Die vorliegende Forschungsarbeit untersuchte den Zusammenhang zwischen den Schlafgewohnheiten von Studierenden und ihren akademischen Leistungen. Die zentrale Forschungsfrage war, ob eine statistisch signifikante Korrelation zwischen beiden besteht.
Die Untersuchung ergab, dass Schlafmangel, insbesondere vor Prüfungen, zu einer Verschlechterung der Leistungen führt. Es wurde ein parabolischer Zusammenhang zwischen Schlafdauer und Leistungen identifiziert, wobei 8,05 Stunden als optimale Schlafdauer ermittelt wurden. Allerdings fand sich kein statistisch signifikanter Zusammenhang zwischen Schlafqualität und akademischen Leistungen. Die Komplexität der Schlaf-Leistungs-Beziehung deutet darauf hin, dass weitere Forschung erforderlich ist, insbesondere in Bezug auf Schlafzyklen, individuelle Unterschiede und andere Einflussfaktoren wie Lernstrategien und Klausurkomplexität. Die Erkenntnisse bieten potenziell einen Mehrwert für Studierende und Bildungseinrichtungen, um das akademische Potenzial besser auszuschöpfen und könnten darüber hinaus neue Erkenntnisse in anderen Kontexten ermöglichen.
Inhaltsverzeichnis
1. Einleitung
2. Literaturüberblick
2.1 Die theoretische Grundlage
2.2 Bisherige empirische Forschung
2.3 Ableitung der Forschungshypothese
3. Daten und Methodik
3.1 Erklärung derForschungsfrage
3.2 Deskriptive Statistik.
3.2.1 Abhängige Variable: Notendurchschnitt.
3.2.2 Unabhängige Variable:Schlafdauerin derKlausurenphase
3.2.3 Unabhängige Variable: Schlafdauer in der Nachtvor einer Klausur
3.2.4 Unabhängige Variable: Schlafqualität in der Klausurenphase
3.2.5 Unabhängige Variable: Schlafqualität in der Nacht vor einer Klausur
3.3 Kontrollvariablen
3.4 Methodik
4. Ergebnisse
4.1 Regressionsmodelll (Basis:Schlafdauerin derKlausurenphase)
4.2 Regressionsmodell 2 (Basis: Schlafdauer in der Nacht vor einer Klausur)
4.3 Kontrollvariablen derRegressionsmodelle
4.4 Bestimmung der optimalen Schlafdauer
4.5 Ergebnis der Regressionsmodelle in Bezug aufdie Forschungshypothese
5. Schlussfolgerung und Fazit
6. Literaturverzeichnis
7. Verzeichnis der Abbildungen, Tabellen und Formeln
8. Anhang
1. Einleitung
In einer Welt, die von ständiger Vernetzung und hochtechnologischer Dynamik geprägt ist, bleibt ein grundlegendes menschliches Bedürfnis oft im Schatten - der Schlaf. Täglich begegnen uns Artikel und Social-Media-Beiträge, die sich mit der Thematik auseinandersetzen: sei es die optimale Schlafdauer, effizientes Schlafverhalten oder Einblicke in die nachtlichen Rituale prominenter Persönlichkeiten wie Elon Musk.
Obwohl der Schlaf etwa ein Drittel unseres Lebens ausmacht, bleibt unser Verstandnis daruber oft oberflachlich. Diese Forschungsarbeit ruckt den Schlaf in den Fokus und wirft eine präzise Frage auf: Inwiefern besteht eine statistisch signifikante Korrelation zwischen den Schlafgewohnheiten von Studierenden und ihren akademischen Leistungen?
Die methodische Vorgehensweise beinhaltet eine eingehende Literaturanalyse zu Schlaf, Schlafdauer und akademischer Leistung. Erganzend dazu erfolgt eine empirische Datenerhebung bei Studierenden der Frankfurt School of Finance & Management. Durch die Integration von Kontrollvariablen in eine Regressionsanalyse wird angestrebt, konkrete Beziehungen zwischen Schlafmustern und Studienergebnissen aufzuzeigen. Im Verlauf der Forschung wird sich auf eine multivariate quadratische Regression spezialisiert, durch die gezeigt wird, dass sowohl Schlafmangel als auch Schlafüberschuss zu schlechteren Leistungen führt. Des Weiteren wird eine optimale Schlafdauer von 8,05 Stunden ermittelt. Allerdings kann keine signifikante Korrelation zwischen Schlafqualität und akademischen Leistungen nachgewiesen werden.
Die Relevanz dieser Studie erstreckt sich uber den individuellen Mehrwert fur Studierende hinaus und konnte fur Bildungseinrichtungen konkrete Anwendungsmoglichkeiten bieten. Die Frage nach einer potenziellen Korrelation zwischen dem individuellen Schlafverhalten und den Prufungsergebnissen von Studierenden gewinnt insbesondere vor dem Hintergrund des anspruchsvollen und leistungsorientierten Hochschulumfelds an Bedeutung, da zahlreiche Studierende bestrebt sind, ihre akademische Leistung zu optimieren. Es besteht ein breites Interesse unter Studierenden daran, zu erfahren, ob und in welchem Maße sich Studienleistungen durch die Schlafdauer und weitere Einflussfaktoren beeinflussen lassen.
Somit strebt diese Forschungsarbeit nicht nur an, den wissenschaftlichen Kenntnisstand zu erweitern, sondern auch, Ansatzpunkte aufzuzeigen, wie Bildungseinrichtungen und Studierende ihr akademisches Potenzial durch eine angepasste Schlafpraxis optimal nutzen konnen.
2. Literaturüberblick
Um eine Forschungshypothese ableiten zu können, werden im Folgenden die theoretischen Grundlagen erläutert, inwiefern sich Schlaf auf den Menschen, dessen Gedächtnis, Konzentration und somit letztendlich auch auf die akademischen Leistungen auswirkt.
Daruber hinaus wird aufgezeigt, welche Ergebnisse bisherige empirische Forschungen gezeigt haben und inwiefern diese mit den theoretischen Vermutungen ubereinstimmen. Basierend darauf lasst sich dann die Forschungshypothese fur diese Arbeit ableiten.
2.1 Die theoretische Grundlage
Gute akademische Leistungen ergeben sich je nach Studienfach dadurch, dass man das gelernte Faktenwissen gut abrufen und wiedergeben kann oder aber dadurch, dass man mithilfe der unterbewussten Fahigkeiten - beispielsweise dem Losen eines Gleichungssystems - die Prufungsaufgaben losen kann.
Das Gehirn unterscheidet dabei zwei verschiedene Arten von Gedachtnis. Wahrend das explizite Gedachtnis (dedarative memory) das gelernte Wissen umfasst, welches man auch bewusst in Worten ausdrucken kann, speichert das implizite Gedachtnis (procedural memory) erlernte Bewegungsablaufe und gewohnheitsmaßige Kenntnisse, die wir weitgehend unterbewusst anwenden (Martina & Moog, 2020).
Dieses Verstandnis ist relevant, da die Konsolidierung der Inhalte beider Gedachtnisarten wahrend des Schlafens stattfindet. Dabei ist wiederum zwischen den verschiedenen Schlafphasen zu unterscheiden. So betrachten wir im Kontext der Gedachtniskonsolidierung insbesondere die SWS-Schlafphase (Siow Wave Sleep), sowie die REM-Schlafphase (Rapid Eye Movement) (Rasch & Born, 2013). Auch wenn sich beide Schlafphasen zyklisch abwechseln, tritt die mit dem Tiefschlaf zu assoziierende SWS-Schlafphase eher zu Beginn der Nacht auf, wahrend die REM-Schlafphase eher zum Ende hin ausgeprägt ist (vgl. Abb. 1).
Abb. in Leseprobe nicht enthalten
Abbildung 1: Typisches Schlafmuster über die Nacht hinweg (Rasch & Born, 2013)
Auf Basis dieses Verständnisses für die beiden Schlafphasen und die Gedächtnisarten haben verschiedene Forschungsarbeiten und Studien ergeben, dass die SWS-Schlafphase insbesondere das explizite Gedachtnis starkt, da wahrend dieser Schlafphase das Faktenwissen, welches sich bisher nur im labilen Kurzzeitgedachtnis befindet, in das Langzeitgedachtnis ubernommen und eingepragt wird (Born, 2010). Die REM-Schlafphase hingegen hilft dabei, Bewegungsablaufe bzw. Vorgehensweisen zu verinnerlichen und adressiert somitverstarkt das Implizite Gedachtnis (Diekelmann et al., 2009).
2.2 Bisherige empirische Forschung
In der bisherigen Forschung existieren Studien, welche insbesondere den Zusammenhang zwischen den akademischen Leistungen und der Schlafdauer sowie teils auch der Schlafqualitat untersuchen. Manche Studien stellen dabei keine Korrelation zwischen der reinen Schlafdauer und den akademischen Leistungen fest (Eliasson et al., 2002). Diese Position wird auch durch eine weitere Studie belegt, die neben der reinen Schlafdauer auch die Schlafqualitat anhand des Pittsburgh Sleep Quality Index untersucht hat (Howell et al., 2004). Allerdings zeigt sich in dieser Studie, dass diejenigen, welche ihre Schlafqualitat als eher schlecht einordnen, auch schlechtere akademische Leistungen hervorbringen.
Auf der anderen Seite gibt es aber einige Studien, die positive Effekte der Schlafdauer und Schlafqualitat auf die akademischen Leistungen zeigen.
Eine konkrete Studie in diesem Forschungsfeld beschaftigt sich damit, wie Schlaf und Testergebnisse in den Altersgruppen von zehn bis achtzehn Jahren zusammenhangen (Eide & Showalter, 2012). Die erste Haupterkenntnis hierbei ist, dass zwar eine positive Korrelation zwischen Schlafdauer und Testergebnis besteht, dennoch sowohl eine sehr kurze als aber auch eine ubermaßig lange Schlafdauer mit einer negativen Abweichung vom optimalen Testergebnis einhergeht. Des Weiteren ließ sich in der Studie feststellen, dass die optimale Schlafdauer bei zwolfjahrigen Teilnehmern der Studie mit 8,34 bis 8,43 Stunden deutlich langer ist als die der achtzehnjahrigen Teilnehmer mit einer optimalen Schlafdauer von knapp unter sieben Stunden.
Daruber hinaus zeigt eine Studie, welche die Schlafdauer unter Pharmaziestudenten wahrend des Studiums im Allgemeinen - aber auch speziell in der Nacht vor einer Klausur - untersucht, dass insbesondere ein langerer Schlaf in der Nachtvor einer Klausur zu besseren akademischen Leistungen gefuhrt haben konnte (Zeek et al.,2015).
2.3 Ableitung der Forschungshypothese
Basierend auf der Theorie uber die Zusammenhange der verschiedenen Schlafphasen auf die Gedachtniskonsolidierung des expliziten und impliziten Gedachtnisses konnte man vermuten, dass angemessen langer und gleichzeitig qualitativer Schlaf - der sich dadurch kennzeichnet, dass die 4
Schlafzyklen jeweils abgeschlossen sind und sowohl die SWS-Schlafphasen als auch REM-Schlafphasen möglichst ausgeglichen auftreten - zu besseren akademischen Leistungen fuhrt, da wahrend der Gedachtniskonsolidierung das gelernte Faktenwissen und die angeeigneten Fertigkeiten verinnerlicht und in das Langzeitgedachtnis ubernommen werden.
Auch wenn das Bild, dass sich zeigt, wenn man die bisherigen Studien in diesem Forschungsgebiet hinzunimmt, weniger eindeutig als die Theorie erscheint, so werden auf Basis der aufgezeigten Studien die folgende Forschungshypothese abgeleitet:
a. Ein Schlafmangel in der Klausurenphase - sowie insbesondere in der Nacht direkt vor der Klausur - führt zu schlechteren akademischen Leistungen.
Gleichzeitig ist davon auszugehen, dass bei einer gewissen Schlafdauer ein Optimum erreicht ist und die akademischen Leistungen stagnieren oder abnehmen, wenn dieses Optimum wesentlich uberschritten wird. Bei einer Schlafdauer unter dem Optimum fuhrt mehr Schlaf zu besseren akademischen Leistungen. b. Es wird ein parabolischer Zusammenhang zwischen Schlafdauer und akademischen Leistungen erwartet, welchersich durch eine optimaleSchlafdauerkennzeichnet.
Diese Hypothese lasst sich in Bezug auf die Schlafqualitat noch durch die Vermutung erweitern, dass eine als schlechter empfundene Schlafqualitat mit schlechteren akademischen Leistungen einhergeht beziehungsweise eine als besser empfundene Schlafqualitat mit besseren akademischen einhergeht.
c. Auch die Schlafqualität wirktsich positiv oder negativ auf die akademischen Leistungen aus.
3. Daten und Methodik
Der nachfolgende Abschnitt behandelt eingehend die bereitgestellten Daten, die Methodologie, die Datenerhebung sowie die Anwendung dieser Daten in der anschließenden Analyse. In diesem Abschnitt werden die genutzten Daten und die Grunde fur die Auswahl unserer Datenquellen erlautert.
3.1 Erklärung der Forschungsfrage
Schlafdauer und Schlafqualitat beeinflussen laut vorhandener Literatur maßgeblich die kognitiven Fahigkeiten der Menschen. Übermudung und die Anwesenheit von Erschopfungssymptomen lenken die Testsubjekte ab und fuhren zu schlechteren kognitiven Leistungen und fehlender geistigen Starke vor allem bei Schulkindern im Alter von 10 bis 18 Jahren (Eide & Showalter, 2012). Dabei ist der Schlaf einer der wichtigsten Bestandteile des Konsolidierungsprozess des Gedachtnisses und hilft den Menschen, uber den Tag Gelerntes besser in das Langzeitgedachtnis zu uberfuhren (Slenczek, 2018). Basierend auf dieser - als auch den weiteren im vorherigen Abschnitt genannten Studien - wird ein parabolischer Zusammenhang zwischen der Schlafdauer und den akademischen Leistungen - ausgedruckt im Notendurchschnitt - erwartet, wobei das Optimum bei etwa 8-9 Stunden liegen konnte (National Sleep Foundation, 2020).
Um diese Hypothese zu bestätigen, wurden verschiedene Daten gesammelt, die einen genaueren Einblick in das typische Schlafverhalten von Studierenden der Frankfurt School in der Klausurenphase geben. In diesem Fall wird die Klausurenphase durch den Zeitraum ab zwei Wochen vor Klausurbeginn bis hin zur Klausur definiert. Hierzu wurde eine Umfrage erstellt, die die befragten Studierenden um Informationen bittet, die vor allem die Qualitat, Dauer und zeitliche Lage des Schlafes (siehe Anhang) betreffen. Im Rahmen dieser fur eine Woche laufenden Umfrage, die die Studierenden innerhalb des Kurses „Angewandte Forschungsmethoden" beantworten konnten, wurden neben verschiedensten anderen Themen ebenfalls unsere Fragen dargestellt und von 131 Personen verschiedenen Geschlechts beantwortet. Alle Befragten befanden sich im Alter von 19 bis 26 und waren zum Zeitpunkt der Umfrage Studierende des dritten Semesters an der Frankfurt School of Finance and Management in den Programmen „Bachelor of Science in Business Administration". Es wurden verschiedene Variablen abgefragt, in dieser Forschungsarbeit wird sich aus Verstandnisgrunden aber nur auf eine Auswahl beschrankt, welche eine gute Schlafqualitat charakterisieren: Die Qualitat und die Lange des Schlafes sind in dieser Forschungsarbeit die wichtigsten Dimensionen fur einen „guten" Schlaf. „Gut" steht in diesem Zusammenhang fur einen effektiven und erholsamen Schlaf, der die Gehirnkapazitat möglichst maximal zur Verfugung stellt. Auch die Wissenschaft beschreibt das Konstrukt des effektiven Schlafes in der Regel uber diese beiden wichtigen Variablen (Heitmann et al., 2011)
3.2 Deskriptive Statistik
3.2.1 AbhangigeVariable: Notendurchschnitt
Als Maßgabe fur akademische Leistungsfahigkeit und die damit einhergehende Leistungsbereitschaft, wird die Variable der Noten (notendurchschnitt) gewahlt. Hier hatten die Studierenden in der Umfrage die Moglichkeit, Ihren derzeitigen Notenstand in Form verschiedener „Klassen" auszuwahlen. Anhand des Histogramms (vgl. Abb. 2) erkennt man, dass die Verteilung hier annahernd normalverteilt ist. Der Durchschnitt ist hier bei ungefahr 2,220 zu verorten. Der Median liegt bei einem Notendurchschnitt von 2,4. Wichtig zu kennzeichnen ist in diesem Zusammenhang auch, dass die Daten zur Veranschaulichung abgeandert wurden. Da die Abgabe der Antworten in der Umfrage mit jeweiligen „Gruppen" (vgl. Tabelle 1) erfolgte, verfalscht dies in der Berechnung des arithmetischen Mittels das Ergebnis der deskriptiven Statistik. Um diesem Umstand entgegenzuwirken, wurden die Gruppen normiert. Da von einer Normalverteilung innerhalb der Gruppen ausgegangen wird, wurde der jeweilige Durchschnitt der Gruppe gebildet und in der Regression als Notendurchschnitt verwendet.
Die Anderungen durch dieses Verfahren lauten wie folgt:
Abb. in Leseprobe nicht enthalten
Tabelle 1: Normierung der Notengruppen
Abb. in Leseprobe nicht enthalten
Abbildung 2:Histogramm zur abhängigen Variable des Notendurchschnitts
3.2.2 Unabhängige Variable: Schlafdauer in der Klausurenphase
Um einen Zusammenhang zwischen gutem Schlaf und einer guten akademischen Leistung darzustellen, wurde als unabhangige Variable die Schlafdauer vor Klausuren (schlafdauer_klausurenphase) gewahlt. Diese konnte in der Umfrage durch Angaben der durchschnittlichen Stundenanzahl innerhalb der Klausurenphase angegeben werden.
Der Durchschnittswert dieser Variable liegt bei 6,665 Stunden, was einen deutlichen Unterschied zum Durchschnittswertvon 7,218 Stunden außerhalb der Klausurenphase darstellt.
Der Median liegt hier bei 7 Stunden. Trotz des breiten Spektrums der gesamten durchschnittlichen Schlafdauer von 1 bis 16 Stunden (vgl. Abb. 3) ist die Standardabweichung mit 1,591 Stunden relativ gering.
Abb. in Leseprobe nicht enthalten
Abbildung 3: Histogramm zur unabhängigen Variable der Schlafdauer in der Klausurenphase
3.2.3 Unabhängige Variable: Schlafdauer in der Nachtvor einer Klausur
Außerdem beziehen wir in unsere Korrelationsrechnungen die Variable der Schlafdauer in der Nacht vor der Klausur mit ein. Diese wurde von den Befragten mit teils großen Unterschieden zur Schlafdauer in der Klausurenphase abgegeben. Mit einem arithmetischen Mittel von 7,1679 Stunden und einem Median von 7,5 Stunden (vgl. Abb. 4) fallt der Schlaf hier demnach weitaus langer aus als der in der Vorbereitungszeit der Klausuren. Die Standardabweichung isthier mit 1,8098 etwas hoher als die in der Klausurenphase.
Abb. in Leseprobe nicht enthalten
Abbildung 4: Histogramm zur unabhängigen Variable der Schlafdauer in der Nacht vor einer Klausur
3.2.4 Unabhangige Variable: Schlafqualitat in der Klausurenphase
Zusatzlich wurden die Befragten gebeten, Auskunft uber die Qualitat ihres Schlafes wahrend der Klausurenphase zu geben. Hier konnten die Befragten ihre Einschatzung zur Aussage "Nach dem Aufstehen fuhle ich mich morgens erholt" anhand einer Vier-Punkte-Skala wahlen. Diese Bandbreite ermöglichte es den Teilnehmern, ihr subjektives Empfinden durch Zustimmung oder Ablehnung darzustellen. Die meisten sind hier zumindest teilweise der Meinung, dass sie einen ruhigen Schlaf in der Klausurenphase haben (vgl. Abb. 5).
Abb. in Leseprobe nicht enthalten
Abbildung 5: Histogramm zur unabhängigen Variable derSchlafqualität in der Klausurenphase
3.2.5 Unabhängige Variable: Schlafqualität in der Nacht vor einer Klausur
Simultan zum Vorgehen in der Klausurenphase, wird auch in der Nacht vor der Klausur nicht nur der Einfluss der Schlafdauer, sondern auch die Schlafqualitat betracht. Auch hier konnten sie durch Zustimmung oder Ablehnung angeben, ob sie ruhigen Schlaf erleben. Die Ergebnisse zeigen Ähnlichkeiten zu denen der oben genannten Frage zur Schlafqualitat und zeigen sich hier als Annaherung an eine Normalverteilung (vgl. Abb. 6). Es handelt sich hier nur um subjektive Beobachtungen, allerdings scheint es keine großen Unterschiede zu machen, ob sich die Studierenden zeitlich eine Nacht vor einer Klausur oder in einem Zeitraum von 2 Wochen vorher befinden.
Abb. in Leseprobe nicht enthalten
Abbildung 6: Histogramm zur unabhängigen Variable der Schlafqualität in der Nacht vor einer Klausur
3.3 Kontrollvariablen
Um das statistische Modell möglichst von externen Einflussen zu bereinigen und eine präzise Regressionsgleichung aufzustellen, wurden zusatzliche Variablen in die Beobachtungen einbezogen. Diese Variablen konnen alle einen potenziellen Einfluss auf die Noten haben, was die spatere Regression effektiver und genauer gestaltet. Zu diesen Variablen zahlen die Anwesenheit in den Vorlesungen (anwesenheit_vorlesungen), der Lernaufwand (logjernaufwand), der angestrebte Notendurchschnitt (notendurchschnitt_angestrebt) und die Abiturnote (notendurchschnitt_Abitur). Um eine realistischere Darstellung des Lernaufwands zu erreichen, wurde die Variable des Lernaufwands logarithmiert. Dieser Schritt basiert auf der bekannten Pareto-Regel, auch als 80-20-Regel bekannt, die besagt, dass 80 Prozent des Outputs eines Prozesses auf 20 Prozent des Aufwands zuruckzufuhren ist (Louren^o et al., 2013). Diese Regel, ursprunglich in der italienischen Wirtschaft von Vilfredo Pareto formuliert, wurde auf verschiedene Sachverhalte ubertragen (Souza etal., 2013; Svensson&Wood, 2006). Die Logarithmus-Funktion stelltden mathematischen Zusammenhang fur diese Forschung somit annahernd dar.
3.4 Methodik
Um einen statistischen Zusammenhang aufzeigen zu können, werden die oben genannten Variablen in eine gemeinsame Regression eingebunden. Um eine einfache Schatzung und damit die Deutung der Umfrageergebnisse ermöglichen zu können, kann man verschiedene Wege der Regression nutzen. Die Forschungsarbeit beschrankt sich im Folgenden auf zwei wesentliche mathematische Gleichungen, die eine Schatzung ermoglichen sollen. Zuerst wurde eine lineare Regression erstellt. Diese erfolgt mit folgender mathematischer Formel:
Abb. in Leseprobe nicht enthalten
Formel 1: Lineare Regressionsgleichung
Als alternatives Modell konnte ebenfalls eine quadratische Regression herangezogen werden. Diese ermoglicht, neben der Darstellung einer Geraden in der linearen Regression, die Darstellung in Form einer Parabel, die je nach Anwendungskontext eine passendere Schatzung darstellt. Die quadratische Regression folgt folgender Formel:
Abb. in Leseprobe nicht enthalten
Formel 2: Quadratische Regressionsgleichung
Um eine Korrelation zwischen Notendurchschnitt und Quantitat sowie Qualitat des Schlafes herzuleiten, bedarf es einer Methode, welche eine moglichst genaue Schatzung gewahrleistet. Die Genauigkeit und Signifikanz der Regression wird anhand des P-Wertes und der Modellgute R[2] gemessen. Der P-Wert gibt fur jede unabhangige- sowie Kontrollvariable die Wahrscheinlichkeit an, dass die Korrelation mit der abhangigen Variable lediglich zufallig ist. Ein P-Wert unter 0,05 gilt als „signifikant".
Die Modellgute R[2] gibt an, wie viel Prozent der Gesamtvarianz durch die in der Regression verwendeten Variablen erklart werden konnen. Es ist daher erstrebenswert, eine moglichst hohe Modellgute zu erreichen.
Um zu entscheiden, welches Regressionsmodell den Zusammenhang zwischen Schlafdauer und Notendurchschnitt besser erklaren kann, wird im Folgenden die lineare Regression eben dieser beiden Variablen mit der quadratischen Regression verglichen.
Abb. in Leseprobe nicht enthalten
Abbildung 7: Lineare Regression auf Basis der Schlafdauer in der Nacht vor einer Klausur
Abb. in Leseprobe nicht enthalten
Abbildung 8: Quadratische Regression aufBasis derSchlafdauer in der Nacht vor einer Klausur
In den oben abgebildeten Regressionen (vgl. Abb. 7 und 8) wird erkennbar, dass die lineare Regression ein deutlich ungenaueres Bild als die quadratische Regression abbildet. Auffällig wird dies vor allem bei der Darstellung der Graphen. Hier lasst die lineare Regression eine Note im negativen Bereich zu, was im Anwendungskontext nicht möglich ist. Ebenfalls ist der P-Wert mit 0,416 relativ hoch und das R[2] mit 0,0053 extrem gering. Bei der quadratischen Regression hingegen ist das R[2] mit einem Wert von 0,0874 deutlich besser. Die dennoch weiterhin eher geringe Modellgute ist darauf zuruckzufuhren, dass in dieser Regression noch keine Kontrollvariablen eingefuhrt wurden. Deutlich bedeutsamer ist an dieser Stelle, dass der P-Wert ist mit 0,001 nun sehr signifikant ist. Zu beachten ist, dass ein negativer Koeffizient mit einem positiven Einfluss auf die Note einhergeht, da die kleinste Zahl mit 1,0 gleichzeitig auch die Bestnote darstellt. Je kleiner der Wert also wird, desto besser ist auch die akademische Leistung des Studierenden. Eine Ausnahme hierzu stellt die Kontrollvariable der Abiturnote dar. Da hier zwei Notensysteme mit der Bestnote 1,0 verglichen werden, spiegelt ein negativer Koeffizient hier einen negativen Zusammenhang wider.
Da dieser Vergleich zeigt, dass die quadratische Regression fur diese Forschungsarbeit das passendere Modell darstellt, wird dieses Modell als Grundlage fur die Forschung verwendet.
4. Ergebnisse
Die Forschungsarbeit setzt zur detaillierten Untersuchung der Wechselwirkungen zwischen der individuellen Schlafdauer von Studierenden und ihren akademischen Leistungen auf zwei multivariate Regressionsanalysen. Hierbei wurden gezielt Kontrollvariablen eingefuhrt, um die Präzision der Regression weiter zu erhöhen. Durch die Anwendung dieses statistischen Verfahrens mit integrierten Kontrollvariablen, konnen Schatzungen der Studienergebnisse auf Basis der Schlafdauer unmittelbar vor den Klausuren ermittelt werden.
4.1 Regressionsmodell 1 (Basis: Schlafdauer in der Klausurenphase)
Das erste Regressionsmodell verwendet als unabhangige Variable die Schlafdauer in der Klausurenphase, um eine Korrelation zwischen der Schlafdauer und den Noten im Studium zu untersuchen. Diese Regression kann rund 47,34 Prozent der Variationen in den Prufungsergebnissen erklaren (vgl. Abb. 9).
Die Signifikanztests verdeutlichen, dass die Schlafdauer in der Klausurenphase (schlafdauer_klausurenphase), (P-Wert von 0,003), als auch die quadrierte Schlafdauer in der Klausurenphase (sq_schlafdauer_klausurenphase), (P-Wert von 0,003), unter der allgemein anerkannten Signifikanzschwelle von 5 Prozent als auch 1 Prozent liegen. Somit sind sie statistisch hoch signifikant.
Bemerkenswert zeigt sich, dass die Schlafdauer in der Klausurenphase (Koeffizient von -0,2778768) eine steilere Steigung beziehungsweise starkere Krummung hat als die quadrierte Schlafdauer (Koeffizient von 0,017723). Dies in Kombination mit dem Vorzeichenwechsel zwischen den Koeffizienten bedeutet, dass eine zusatzliche Stunde Schlaf in der Klausurenphase, vor Erreichen des Optimums, eine starkere und positive Auswirkung auf die Note hat und eine zusatzliche Stunde uber dem Optimum eine schwachere und negative Auswirkung auf die Note hat, da ab diesem Punkt der Term, welcher die quadrierte Schlafdauer beinhaltet einen größeren Einfluss nimmt als der lineare Term. Das positive Vorzeichen des Koeffizienten erklart eine nach oben geoffnete Parabel.
Die Schlafqualitat in der Klausurenphase (schlafqualität_klausurenphase) der Studierenden erweist sich mit einem P-Wert von 0,807 als statistisch nicht signifikant. Diese Insignifikanz ist potenziell darauf zuruckzufuhren, dass diese Variabel auf der subjektiven Einschatzung der Studierenden beruht und nicht empirisch uberpruft wurde.
Abb. in Leseprobe nicht enthalten
Abbildung 9: Regression aufBasis derSchlafdauerin der Klausurenphase
Abb. in Leseprobe nicht enthalten
Formel 3: Regressionsfunkbon auf Basis der Schlafdauer in der Klausurenphase
4.2 Regressionsmodell 2 (Basis: Schlafdauer in der Nacht vor einer Klausur)
Das zweite Regressionsmodell verwendet als unabhängige Variablen die Schlafdauer in der Nacht vor einer Klausur, um eine Korrelation zwischen der Schlafdauer und den Noten im Studium zu untersuchen.
Das Regressionsmodell aufBasis des Schlafes in der Nachtvor einer Klausur kann 51,40 % derVariationen in den Prufungsergebnissen erklaren (vgl. Abb. 10).
Die Variable der Schlafdauer in der Nacht vor einer Klausur (schlafdauer_tag_der_klausur) zeigt eine in jedem Maße signifikante Korrelation mit den Prufungsleistungen, da der P-Wert von 0,000 sowohl die Schwelle von 0,05, 0,01 als auch 0,001 unterschreitet. Ebenfalls signifikant ist die Variable der quadrierten Schlafdauer in der Nachtvor der Klausur (sq_schlafdauer_tag_der_klausur), (P-Wertvon 0,001), welche die quadrierte Schlafdauer in der Nachtvor der Klausur darstellt.
Ähnlich zur ersten Regression zeigt sich, dass die Schlafdauer in der Nachtvor der Klausur (Koeffizientvon -0,3046014) eine steilere Steigung beziehungsweise starkere Krummung hat als die quadrierte Schlafdauer (Koeffizient von 0,016084). Auch hier bedeutet dies in Kombination mit dem Vorzeichenwechsel zwischen den Koeffizienten, dass eine zusatzliche Stunde Schlaf vor Erreichen des Optimums eine starkere und positive Auswirkung auf die Note hat, und eine zusätzliche Stunde Schlaf über dem Optimum eine schwächere und negative Auswirkung auf die Note hat.
Die Variable der Schlafqualitat in der Nacht vor einer Klausur (schlafqualität_tag_der_klausur) zeigt hingegen keine statistische Signifikanz (P-Wertvon 0,735), was, wie auch bei der ersten Regression, auf die subjektive Natur dieser Variable zuruckzufuhren sein konnte.
Abb. in Leseprobe nicht enthalten
Abbildung 10: Regression auf Basis der Schlafdauer in der Nacht vor einer Klausur
Abb. in Leseprobe nicht enthalten
Formel 4: Regressionsfunktion aufBasis der Schlafdauer in der Nacht vor einer Klausur
4.3 Kontrollvariablen der Regressionsmodelle
Wahrend die beiden Regressionen unterschiedliche unabhangige Variablen verwenden, werden die gleichen Kontrollvariablen verwendet. Diese unterscheiden sich jedoch aufgrund der unterschiedlichen unabhangigen Variablen jeweils in ihrem Koeffizienten, der Standartabweichung und ihrem P-Wert. Im Folgenden werden diese Kontrollvariablen genauer beschrieben.
Die Kontrollvariable der Anwesenheit in den Vorlesungen (anwesenheit_vorlesungen) erweist sich sowohl bei Regression 1 (P-Wert von 0,517) als auch bei Regression 2 (P-Wert von 0,262) als statistisch insignifikant. Andernfalls hätte das Ergebnis der Regressionen mit jeweils positiven Koeffizienten darauf hingedeutet, dass die Anwesenheit in den Vorlesungen möglicherweise einen negativen Einfluss auf die Note hat. Auf Grund der mangelnden Signifikanz sowie der sehr kleinen Koeffizienten (0,0008538 und 0,0014395) ist hier jedoch kein Zusammenhang ersichtlich. Womoglich ist dieses Ergebnis darauf zuruckzufuhren, dass hochwertige Vorlesungsmaterialien vorhanden sind, die ein effektives Selbststudium ermoglichen, und die physische Anwesenheit somit weniger entscheidend fur die Prufungsergebnisse machen.
Auch die Variable des logarithmierten Lernaufwandes (logjernaufwand) weist, entgegen der Erwartung, keine statistische Signifikanz auf, weder bei Regression 1 (P-Wert von 0,399) noch bei Regression 2 (P-Wert von 0,581).
Moglicherweise ist die gewahlte Logarithmus-Transformation nicht ausreichend, um nicht-lineare Beziehungen im Datenmaterial abzubilden. Es konnte auch sein, dass andere nicht erfasste Faktoren, wie die individuelle Lernstrategien oder das akademische Potential der Studierenden, einen starkeren Einfluss auf die Prufungsergebnisse haben und somit den logjernaufwand als Kontrollvariable relativiert (OpenAI, 2021)
Die Kontrollvariable des Notendurchschnitts im Abitur (notendurchschnitt_abitur) zeigt signifikante Ergebnisse mit einem P-Wert von 0,002 und einem Koeffizienten von 0,1594262 bei der ersten Regression sowie einem P-Wert von 0,001 und einem Koeffizienten von 0,1610626 bei der zweiten Regression. Erklaren lasst sich dies moglicherweise damit, dass die Abiturnote als ein historischer Indikator fur die akademische Fahigkeit und Ambitionen der Studierenden fungiert. Diese langfristige Perspektive konnte dazu beitragen, die robuste Signifikanz und den Einfluss auf die aktuellen Leistungen zu erklaren.
Der angestrebte Notendurchschnitt der Studierenden (notendurchschnitt_angestrebt) zeigt nahezu absolute Signifikanz mit einem P-Wert von 0,000 fur beide Regressionen. Diese Kontrollvariable beeinflusst die Regression erheblich, wie die Koeffizienten von 0,6744263 fur Regression 1 und 0,6818394 fur Regression 2 zeigen. Die Verwendung dieser Kontrollvariablen ist jedoch mit Vorsicht zu betrachten, da die Befragung auf Studierende des dritten Bachelorsemesters beschrankt ist und die angegebenen angestrebten Notenwerte sich stark an historischen Noten orientieren. Die angestrebten Noten der Studierenden liegen somit voraussichtlich im Rahmen dessen, was sie bei gleichbleibender Strategie der Studierenden als moglich erachten.
Die Konstante (cons) weist mit einem P-Wertvon 0,001 für Regression 1 sowie einem P-Wertvon 0,000 für Regression 2 ebenfalls statistisch hohe Signifikanz aüf. Die Werte der Konstanten liegen bei 1,590244 für Regression 1 ünd 1,874858 für Regression 2. Sie repräsentieren den dürchschnittlichen Einflüss der nicht berücksichtigten Faktoren ünd geben jeweils eine Art Basis-Level an, welches vorliegt, wenn alle anderen betrachteten Variablen den Wert nüll annehmen.
4.4 Bestimmung der optimalen Schlafdauer
An dieser Stelle ist es sicherlich interessant, dieses Optimüm spezifisch zü bestimmen. Dabei ist anzümerken, dass natürlich aüch die Kontrollvariablen einen Einflüss daraüf nehmen. Lasst man die Kontrollvariablen für einen Moment jedoch aüßer Betracht, so kann man anhand der nün gegebenen Regressionsfünktion einen Fünktionsgraphen zeichnen ünd die optimale Schlafdaüer, bei welcher der Notenschnitt minimal - also optimal - ist, ablesen (vgl. Abb. 11) oder rechnerisch bestimmen (vgl. Formel 5). Es gilt aber weiterhin zü bedenken, dass insbesondere die Skala der y-Achse eher nür symbolisch zü betrachten ist, da aüch die Kontrollvariablen einen Einflüss aüf den Notenschnitt nehmen.
Abb. in Leseprobe nicht enthalten
Abbildung 11: Graph der Regressionsfunktion auf Basis der Schlafdauer in der Nacht vor einer Klausur
Abb. in Leseprobe nicht enthalten
Formel 5: Rechnerische Bestimmung der optimalen Schlafdauer
Sowohl rechnerisch als aüch grafisch lasst sich eine optimale Schlafdaüer von 8,05 Stünden in der Nachtvor einer Klaüsür bestimmen.
4.5 Ergebnis der Regressionsmodelle in Bezug auf die Forschungshypothese
Um abschließend nochmal auf die Forschungshypothese zurückzukommen, so lässt sich diese anhand der durchgeführten empirischen Umfrage und den darauf aufgebauten Regressionen bestatigen. Eine langere Schlafdauer geht bis zu einem gewissen Punkt mit besseren akademischen Leistungen einher. Wird dieser Punkt - das sogenannte Optimum, welches hier mit 8,05 Stunden bestimmt ist - jedoch uberschritten, verschlechtern sich die akademischen Leistungen wieder. Ebenfalls interessant ist, dass der Koeffizient der Schlafdauer am Tag der Klausur hoher ist als der Koeffizient der Schlafdauer in der Klausurenphase und basierend darauf davon ausgehen ist, dass insbesondere die Schlafdauer am Tag der Klausur einen noch größeren Einfluss hat. Bezogen auf die Schlafqualitat ist jedoch festzustellen, dass sich die anfangs aufgestellte Hypothese nicht bestatigen lasst. Hier mangelt es in beiden Regressionsmodellen an der notwendigen Signifikanz.
5. Schlussfolgerung und Fazit
Als Student mochte man moglichst gute Prufungsergebnisse erzielen. Ein wichtiger - und zugleich zu selten - betrachteter Faktor konnte dabei der Schlaf sein, welcher immerhin fast ein Drittel unseres Tages ausmacht. Entsprechend spannend ist es, herauszufinden, ob die Schlafgewohnheiten von Studierenden einen Einfluss auf die akademische Leistungsfahigkeit und das Wohlbefinden haben und ob die Veränderung der Schlafgewohnheiten potenziell positive Auswirkungen auf unsere akademischen Leistungen haben konnte.
Zu Beginn dieser Forschungsarbeit wurde folgende Forschungsfrage aufgeworfen: Inwiefern besteht eine statistisch signifikante Korrelation zwischen den Schlafgewohnheiten von Studierenden und ihren akademischen Leistungen?
Um die Forschungsfrage herunterzubrechen und beantworten zu konnen war es zuerst einmal notwendig, herauszufinden, welche Schlafmuster einen begrundeten Einfluss auf die akademischen Leistungen haben konnten. In der Literaturrecherche sind dabei insbesondere die Schlafdauer als auch Schlafqualitat herausgestochen. Basierend auf dem theoretischen Hintergrund als auch bisherigen empirischen Forschungen haben wir dabei eine dreigeteilte Forschungshypothese aufgestellt.
Der erste Teil der Hypothese befasste sich mit der potenziellen Auswirkung von Schlafmangel in der Klausurenphase, insbesondere in der Nacht vor einer Prufung, auf die akademischen Leistungen. In Beantwortung dieser Hypothese lasst sich feststellen, dass Schlafmangel im Sinne einer Unterschreitung des optimalen Schlafniveaus zu einer Verschlechterung der Leistungen fuhrt. Dies ließ sich anhand der Regression mit hoher Signifikanz bestatigen.
Zum zweiten wurde erwartet, dass ein parabolischer Zusammenhang zwischen der Schlafdauer und den akademischen Leistungen besteht, der sich durch eine optimale Schlafdauer kennzeichnet. Bereits bei der Methodik ließ sich feststellen, dass eine quadratische Regression diesen Zusammenhang deutlich passender darstellen kann als eine lineare Regression dies getan hatte. Weiterhin konnte dann eine optimale Schlafdauer von 8,05 Stunden ermittelt werden, bei der die Leistungen der Studierenden ihren Höhepunkt erreichen. Hier ergibt sich also klar die Form einer Parabel.
Der dritte Forschungsaspekt betrifft die Auswirkungen der Schlafqualitat auf die Studienleistungen. In Überprufung dieser Hypothese hat die Regressionsanalyse ergeben, dass die Schlafqualitat in keinem statistisch signifikanten Zusammenhang zu den akademischen Leistungen steht. Diese Ergebnisse weisen darauf hin, dass die subjektiv wahrgenommene Schlafqualitat allein nicht ausreicht, um signifikante Ünterschiede in den akademischen Leistungen zu erklaren. Somit hat sich dieser Teil der Hypothese im Rahmen der Forschungsarbeit nicht bestatigt.
Trotz der Fortschritte bleibt die genaue Natur der Beziehung zwischen Schlaf und akademischen Leistungen komplex und konnte weiter untersucht werden. Es konnte von Interesse sein, andere Aspekte des Schlafs, wie Schlafzyklen und Schlafqualitat wahrend verschiedener Schlafphasen, tiefer zu erforschen. Zusatzlich konnten individuelle Ünterschiede in der Reaktion auf Schlafmuster und -qualitat weiter analysiert werden, da Schlaf individuell abhangig ist. Daruber hinaus ware es wichtig, andere mogliche Einflussfaktoren auf akademische Leistungen in der Regression zu berucksichtigen, die moglicherweise nicht in dieser Studie enthalten sind. Lernstrategien, Vorlesungsqualitat und auch die Komplexitat der Klausuren, sind in dieser Forschungsarbeit nicht mit einbezogen worden und konnten neben dem Schlaf ebenfalls ein Grund fur bessere oder schlechtere akademische Leistungen sein.
Basierend auf den anfangs angesprochenen verschiedenen Gedachtnisarten ware es auch sinnvoll, gezielt zwischen anwendungsbasierten Fachern und solchen, in denen man einzig und allein Faktenwissen wiedergeben muss, zu unterscheiden, dies konnte ein Ansatzpunkt fur weiterfuhrende Forschungen darstellen. Letztendlich konnte eine gewisse Ünscharfe aber vor allem auch dadurch vorliegen, dass die Noten in der Befragung nur in Clustern abgefragt wurden. Hierdurch war in der Forschungsarbeit keine starkere Differenzierung moglich.
Die vorliegende Forschungsarbeit gewahrt in ihrer Gesamtheit Einblicke, die fur eine Vielzahl von Studierenden sowie Bildungseinrichtungen von Interesse sind. Studierende sowie Üniversitaten konnen von den erzielten Erkenntnissen profitieren, indem sie diese effektive anwenden, um das akademische Potential voll auszuschopfen.
Die identifizierte Korrelation zwischen der Dauer des Schlafs und den akademischen Leistungen bietet zudem eine vielversprechende Grundlage, um Ruckschlusse auf weitere Domanen zu ziehen, die durch die Gedachtnisleistung maßgeblich beeinflusst werden. Hierdurch eröffnet sich ein breitgefachertes Themenfeld, das uber den ursprönglichen Forschungsbereich hinausgeht und potenziell die Grundlage fur neue Erkenntnisse in anderen Kontexten darstellen kann.
6. Literaturverzeichnis
Born, J. (2010). Slow-wave sleep and the consolidation oflong-term memory. The World journal of BiologicalPsychiatry, 11 (supl), 16-21.https://doi.org/10.3109/15622971003637637
Diekelmann, S., Wilhelm, I., & Born, J. (2009). The whats and whens of sleep-dependent memory consolidation. Sleep Medicine Reviews, 13 (5), 309-321. https://doi.org/10.1016/j.smrv.2008.08.002
Eide, E. R., & Showalter, M. H. (2012). Sleep and StudentAchievement. Eastern Economicjournal, 38 (4), 512-524. https://doi.org/10.1057/eej.2011.33
Eliasson, A., Eliasson, A., King, J., Gould, B., & Eliasson, A. (2002). Association of Sleep and Academic Performance. Sleep and Breathing, 06 (1), 45-48. https://doi.org/10.1055/s-2002-23157
Heitmann, J., Cassel, W., Ploch, T., Canisius, S., Kesper, K., &Apelt, S. (2011). [Measuring sleep duration and sleep quality]. Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz, 54, 1276-1283.
Howell, A. J., Jahrig, J. C., & Powell, R. A. (2004). Sleep Quality, Sleep Propensity and Academic Performance. Perceptual and MotorSkills, 99 (2), 525-535. https://doi.org/10.2466/pms.99.2.525-535
Louren^o, F., Taylor, T. G., & Taylor, D. W. (2013). Integrating "education for entrepreneurship” in multiple faculties in "half-the-time” to enhance graduate entrepreneurship. journal ofSmall Business and Enterprise Development, 20 (3), 503-525. https://doi.org/10.1108/JSBED-04-2013-0052
Martina, & Moog, M. (2020, March 20). Lernen und Gehirn - Teil 2: "Das Gedachtnis.” denkbar-anders. https://www.denkbar-anders.de/lernen-und-gehirn-teil-2-das-gedaechtnis/
National Sleep Foundation. (2020). How Much Sleep Do You Really Need? - National Sleep Foundation. National Sleep Foundation. https://www.thensf.org/how-many-hours-of-sleep-do-you-really-need/
OpenAI. (2021). ChatGPT [Computer software].
Rasch, B., & Born, J. (2013). About Sleep s Role in Memory. Physiological Reviews, 93 (2), 681-766. https://doi.org/10.1152/physrev.00032.2012
Slenczek, M. K. (2018). EinflusskognitiverLeistungen aufden individuellen Gewinn durch Schlaffürdie deklarative Gedächtniskonsolidierung bei Kindern.
Souza, I. S., da Silva Gomes, G. S., da Mota Silveira Neto, P. A., do Carmo Machado, I., de Almeida, E. S., & de
Lemos Meira, S. R. (2013). Evidence of software inspection on feature specification for software product lines. journal ofSystems and Software, 86 (5), 1172-1190. https://doi.org/10.1016/j.jss.2012.11.044
Svensson, G., & Wood, G. (2006). The Pareto plus syndrome in top marketing journals: Research and journal criteria. European BusinessReview, 18 (6), 457-467. https://doi.org/10.1108/09555340610711085
Zeek, M. L., Savoie, M. J., Song, M., Kennemur, L. M., Qian, J., Jungnickel, P. W., &Westrick, S. C. (2015). Sleep Duration and Academic Performance Among Student Pharmacists. American journal ofPharmaceutical Education, 79 (5), 63.https://doi.org/10.5688/ajpe79563
7. Verzeichnis der Abbildungen, Tabellen und Formeln
Abbildungen
Abbildung 1: Typisches Schlafmuster über die Nacht hinweg (Rasch & Born, 2013)
Abbildung 2:Histogramm zur abhängigen Variable des Notendurchschnitts
Abbildung 3: Histogramm zur unabhangigen Variable der Schlafdauer in der Klausurenphase
Abbildung 4: Histogramm zur unabhangigen Variable der Schlafdauer in der Nachtvor einer Klausur
Abbildung 5: Histogramm zur unabhangigen Variable der Schlafqualitat in der Klausurenphase
Abbildung 6: Histogramm zur unabhangigen Variable der Schlafqualitat in der Nachtvor einer Klausur
Abbildung 7: Lineare Regression aufBasis der Schlafdauer in der Nachtvor einer Klausur
Abbildung 8: Quadratische Regression aufBasis der Schlafdauer in der Nachtvor einer Klausur
Abbildung 9: Regression auf Basis der Schlafdauer in der Klausurenphase
Abbildung 10: Regression aufBasis der Schlafdauer in der Nachtvor einer Klausur
Abbildung 11: Graph der Regressionsfunktion aufBasis der Schlafdauer in der Nachtvor einer Klausur..
Tabellen
Tabelle 1: Normierung der Notengruppen
Formeln
Formel 1: Lineare Regressionsgleichung
Formel 2: Quadratische Regressionsgleichung
Formel 3: Regressionsfunktion aufBasis der Schlafdauer in der Klausurenphase
Formel 4: Regressionsfunktion auf Basis der Schlafdauer in der Nacht vor einer Klausur
Formel 5: Rechnerische Bestimmung der optimalen Schlafdauer
8. Anhang
Abb. in Leseprobe nicht enthalten
Fragebogen
1. Wie viele Stunden schlafen Sie im Schnitt pro Nacht? * Bitte geben Sie Ihre Antwort hier ein: (EINGABEFELD)
2. Wann gehen Sie normalerweise zu Bett?
Bitte wählen Sie nur eine der folgenden Antworten aus:
- Vor21 Uhr
- Zwischen21.00und22.00Uhr
- Zwischen 22.00 und 23.00 Uhr
- Zwischen 23.00 und 24.00 Uhr
- Zwischen 0.00 und 1.00 Uhr
- Zwischen 1.00 und 2.00 Uhr
- Nach 2.00 Uhr
3. Schlafen Sie in der Klausurenphase weniger als sonst?
Bitte wahlen Sie nur eine der folgenden Antworten aus:
- Ja
- Nein
4. Wie viele Stunden schlafen Sie im Schnitt in der Vorbereitungszeit fur Klausuren (ab circa einer Woche vor der ersten Klausur) pro Nacht?
Bitte geben Sie Ihre Antwort hier ein: (EINGABEFELD)
5. Wie viele Stunden schlafen Sie in der Nacht vor einer Klausur?
Bitte geben Sie Ihre Antwort hier ein: (EINGABEFELD)
"Nach dem Aufstehen fuhle ich mich morgens erholt.”
6. Inwiefern stimmen Sie dieser Aussagen zu? *
Bitte wahlen Sie die zutreffende Antwort fur jeden Punkt aus:
- Stimme voll zu
- Stimme teilweise zu
- Stimme eher nicht zu
- Stimme gar nicht zu
Aussage: „Ich fuhle mich am Morgen vor einer Klausur erholt.”
7. Inwiefern stimmen Sie dieser Aussagen zu? *
Bitte wahlen Sie die zutreffende Antwort fur jeden Punkt aus:
- Stimme voll zu
- Stimme teilweise zu
- Stimme eher nicht zu
- Stimme gar nicht zu
Aussage: „In der Regel ist mein Schlaf ruhig.”
8. Inwiefern stimmen Sie dieser Aussagen zu?
Bitte wählen Sie die zutreffende Antwort fUr jeden Punkt aus:
- Stimme voll zu
- Stimme teilweise zu
- Stimme eher nicht zu
- Stimme gar nicht zu
Aussage: „In der Nachtvor einer Klausur schlafe ich unruhiger als sonst.”
9. Inwiefern stimmen Sie dieser Aussagen zu?
Bitte wahlen Sie die zutreffende Antwort fur jeden Punkt aus:
- Stimme voll zu
- Stimme teilweise zu
- Stimme eher nicht zu
- Stimme gar nicht zu
10. Denken Sie, eine langere Schlafdauer wurde Ihre Prufungsleistungen verbessern?
Bitte wahlen Sie nur eine der folgenden Antworten aus:
- Ja
- Nein
11. Denken Sie, eine kurzere Schlafdauer wurde Ihre Prufungsleistungen verbessern?
Bitte wahlen Sie nur eine der folgenden Antworten aus:
- Ja
- Nein
12. Ein neuerer Trend sind Powernaps, also kurze 10- bis 30-minutige Schlafphasen tagsuber. Wie viele Powernaps machen Sie in der Woche?
Bitte wahlen Sie nur eine der folgenden Antworten aus:
- 0
- 1-3
- 4-6
- 7-9
- 10+
13. Haben Sie noch Anmerkungen, Gedanken oder Anregungen zu dem Thema Schlaf sowie dessen Zusammenhang mit Ihren akademischen Leistungen?
Bitte geben Sie Ihre Antwort hier ein: (EINGABEFELD)
[...]
-
-
-
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X.