4 pièce(s) jointe(s)
Un sommeil inadéquat nuirait aux processus d'attention et de mémoire, selon des chercheurs
Un sommeil inadéquat nuirait aux processus d'attention et de mémoire,
les données de connexion Wi-Fi et GPS peuvent être utilisées comme un indicateur relatif de l'assiduité aux cours
Les étudiants universitaires qui assistent régulièrement aux cours et dorment bien ont plus de chances d'obtenir de bonnes notes. C’est la conclusion des travaux de recherche de trois universitaires, intitulé Early morning university classes are associated with impaired sleep and academic performance. Les journaux de connexion Wi-Fi de 23 391 étudiants ont révélé que l'assiduité aux cours était inférieure d'environ dix points de pourcentage pour les cours de 8 heures par rapport à ceux qui commencent plus tard.
Les schémas diurnes des connexions au système de gestion de l'apprentissage de 39 458 étudiants et les données actigraphiques de 181 étudiants ont montré que le sommeil nocturne était plus court d'une heure pour les cours qui commencent tôt, car les étudiants se réveillent plus tôt que d'habitude. L'analyse des notes de 33 818 étudiants a montré que le nombre de jours par semaine où ils avaient des cours le matin était négativement corrélé avec la moyenne générale. Ces résultats suggèrent des associations préoccupantes entre les cours matinaux et les résultats d'apprentissage.
La présence aux cours augmente les interactions des étudiants avec les instructeurs et les camarades de classe et fournit un temps structuré pour couvrir les points d'apprentissage clés. Un bon sommeil est également important pour optimiser les performances cognitives et la préparation à l'apprentissage. Par contre, selon les chercheurs, un sommeil inadéquat nuit aux processus d'attention et de mémoire, ce qui peut empêcher les étudiants d'atteindre leur plein potentiel d'apprentissage en classe (c'est-à-dire le présentéisme).
En outre, la fatigue et le sommeil sont fréquemment cités comme des raisons pour lesquelles les étudiants universitaires manquent les cours. Les effets de l'absentéisme et du présentéisme sur les notes peuvent avoir des conséquences à long terme sur les possibilités d'emploi des étudiants, l'évaluation de leur performance professionnelle et leur salaire. Par conséquent, les universités devraient adopter des pratiques qui améliorent le taux d'assiduité et le comportement de sommeil des étudiants afin de les mettre en position de réussir en classe et sur le marché du travail.
Heures de début des cours et présence des élèves
De plus en plus de données indiquent que les heures de début de cours du matin peuvent être préjudiciables au sommeil et au fonctionnement diurne des élèves. Pendant l'adolescence et le début de l'âge adulte, des facteurs environnementaux et biologiques entraînent un retard dans le moment préféré du sommeil. Par conséquent, les étudiants qui se couchent tard et doivent se réveiller tôt pour aller en classe ont un sommeil nocturne plus court.
La pulsion circadienne de sommeil peut également atteindre son apogée à proximité de l'heure à laquelle les étudiants doivent assister aux cours du matin. Les effets combinés d'un sommeil court et d'un décalage circadien peuvent entraîner une somnolence diurne et une altération des performances cognitives. Il a été démontré que le fait de retarder l'heure de début des cours dans les écoles secondaires augmente la durée du sommeil et diminue la somnolence en permettant aux adolescents de dormir plus longtemps.
Cependant, les résultats sont mitigés en ce qui concerne les avantages d'une rentrée scolaire plus tardive sur l'absentéisme et les résultats scolaires. Les méta-analyses et les examens critiques n'ont pas trouvé de preuves cohérentes d'une amélioration de l'assiduité ou des notes. Il a également été démontré que les résultats différaient d'une école à l'autre après un report de l'heure de début des cours.
Les taux de présence des étudiants aux cours ont été estimés à l'aide des données d'heure et de localisation provenant de leurs journaux de connexion Wi-Fi. Tout d'abord, les chercheurs montrent qu'il existait une forte corrélation linéaire entre l'assiduité déclarée par l'instructeur et l'assiduité confirmée par Wi-Fi (53 sessions de cours ; r(51) de Pearson = 0,98, intervalles de confiance (IC) à 95 % = 0,97 à 0,99, P < 0,001), ce qui indique que les données de connexion Wi-Fi peuvent être utilisées comme un indicateur relatif de l'assiduité aux cours. Ensuite, cette méthode a été utilisée pour mesurer les taux de présence confirmés par Wi-Fi pour 23 391 étudiants uniques inscrits dans 337 grands cours magistraux (≥100 étudiants inscrits par cours) avec des heures de début de cours allant de 08:00 à 16:00.
Le taux de présence confirmé par Wi-Fi pour les cours magistraux à 08:00 était inférieur d'environ dix points de pourcentage par rapport aux cours magistraux qui commençaient à 10:00 ou plus tard, après ajustement des effets au niveau du cours et des variables démographiques (différence du taux de présence par rapport à 08:00, test de Tukey : 09h00, 7,6 %, IC 95 % = -1,9 % à 17,1 %, P = 0,64 ; 10h00, 11,1 %, IC 95 % = 3,9 % à 18,3 %, P = 0,032 ; 12h00, 11,0 %, IC 95 % = 3,6 % à 18. 4 %, P = 0,043 ; 14h00, 10,8 %, IC 95 % = 3,5 % à 18,2 %, P = 0,047 ; 16h00, 11,3 %, IC 95 % = 4,0 % à 18,7 %, P = 0,032).
Dans certaines comparaisons, des taux de présence confirmée par Wi-Fi, on a constaté un effet de taille moyenne du début des cours à 08h00 par rapport aux autres heures de début des cours (heure de début, de Cohen : 09h00, 0. 53, IC 95 % = 0,38 à 0,68 ; 10h00, 0,48, IC 95 % = 0,42 à 0,53 ; 12h00, 0,48, IC 95 % = 0,42 à 0,54 ; 14h00, 0,45, IC 95 % = 0,39 à 0,51 ; 16h00, 0,52, IC 95 % = 0,45 à 0,59).
L'assiduité aux cours confirmés par Wi-Fi était plus faible pour les classes matinales
a, l'assiduité déclarée par l'instructeur était fortement corrélée à l'assiduité confirmée par Wi-Fi (analyse de corrélation de Pearson, test bilatéral : r(51) = 0,98, IC 95 % = 0,97 à 0,99, P < 0,001). Chaque cercle montre les données de présence pour une session de classe individuelle (53 sessions de classe dans 13 cours différents). Le tracé noir montre la ligne de régression linéaire la mieux ajustée et le tracé en pointillé rouge est la ligne d'unité.
b, les diagrammes en boîte montrent la distribution des taux de présence confirmée par Wi-Fi déterminés individuellement pour différentes heures de début de cours chez 23 391 étudiants uniques. Les boîtes indiquent la médiane et l'écart interquartile. Les moustaches indiquent les 10e et 90e percentiles. La taille des échantillons pour chaque heure de début de cours est indiquée en haut de chaque barre.
c, les tailles d'effet (d de Cohen) sont indiquées pour les comparaisons intra-étudiants des taux de présence confirmés par Wi-Fi. Les tailles d'effet ont été déterminées pour chaque heure de début de cours par rapport à 08:00. Le nombre d'élèves dans chaque comparaison est indiqué en haut du graphique. La différence moyenne appariée pour chaque comparaison est indiquée avec les valeurs de l'IC à 95 %.
Les élèves sont-ils absents des cours matinaux parce qu'ils dorment ?
Le comportement en matière de sommeil a été évalué chez 181 étudiants qui ont participé à une étude actigraphique de 6 semaines au cours du semestre scolaire. Les données relatives à 6 546 heures de décalage du sommeil ont été triées en fonction du premier cours de la journée pour les personnes qui ont fourni des informations sur leur temps de trajet quotidien pour se rendre à l'école (n = 174).
Les chercheurs ont ensuite évalué la fréquence des cas où les élèves se sont réveillés après le début de leur premier cours, ou se sont réveillés avant le cours, mais n'auraient pas pu arriver à l'heure au cours sur la base de leur temps de trajet déclaré. La fréquence des cas où les élèves se sont réveillés après le début du cours et où ils se sont réveillés trop tard pour arriver à l'heure a augmenté avec l'heure de début du cours (test du chi carré bilatéral : χ2(6) = 394. 4, P < 0,001, V de Cramer = 0,33, IC 95% = 0,31 à 0,37 et χ2(6) = 487,5, P < 0,001, V de Cramer = 0,37, IC 95% = 0,35 à 0,40, respectivement).
Les étudiants ne se sont pas réveillés à temps pour près d'un tiers des cours qui ont eu lieu à 08h00, alors qu'ils ont rarement dormi après le début des cours qui ont commencé à midi ou plus tard. Ensuite, ils ont évalué si les étudiants étaient plus susceptibles de faire des siestes les jours de cours matinaux en analysant 336 siestes vérifiées par actigraphie. La fréquence des siestes était associée à l'heure de début des cours (test du chi carré bilatéral : χ2(6) = 34,7, V de Cramer = 0,10, IC 95 % = 0,079 à 0,13, P < 0. 001) et était plus élevée lorsque le premier cours de la journée était le matin (proportion de jours d'école avec des siestes selon l'heure de début des cours : 08h00, 10,9 % ; 09h00, 10,3 % ; 10h00, 11,3 % ; 11h00, 10,3 % ; 12h00, 6,6 % ; 14h00, 3,5 % ; 16h00, 4,7 %).
Les étudiants dormaient souvent après le début des cours du matin
a, les périodes de sommeil et les cours programmés sont indiqués pour un étudiant représentatif qui a participé à une étude actigraphique de 6 semaines.
b, les décalages de sommeil de 174 étudiants sont triés par leur premier cours de la journée. Chaque cercle correspond à une valeur de décalage de sommeil déterminée individuellement. Les cercles ouverts indiquent les cas où les étudiants se sont réveillés après le début de leur cours. Les cercles noirs montrent les cas où les élèves ne se sont pas réveillés assez tôt pour arriver à l'heure à leur cours, compte tenu du temps de trajet qu'ils ont déclaré.
c,d, les fréquences de (c) réveil après le début du cours et (d) réveil trop tardif pour arriver à l'heure en classe ont été associées aux heures de début des cours (test du chi carré bilatéral : χ2(6) = 394. 4, P < 0,001, V de Cramer = 0,33, IC 95 % = 0,31 à 0,37 et χ2(6) = 487,5, P < 0,001, V de Cramer = 0,37, IC 95 % = 0,35 à 0,40, respectivement).
Les étudiants universitaires sont soumis à des pressions très différentes de celles du lycée
Les études sur l'heure de début des cours chez les adolescents du secondaire peuvent ne pas être généralisables aux étudiants universitaires, qui sont soumis à des pressions environnementales très différentes de celles du lycée. Le passage du lycée à l'université se caractérise par des changements dans l'environnement social et d'apprentissage des étudiants qui peuvent influencer leur sommeil et leur comportement d'apprentissage.
De nombreux étudiants universitaires vivent pour la première fois loin de chez eux et sont confrontés à de nouveaux contextes sociaux, à des cours exigeants et à des possibilités de socialisation tard dans la nuit. L'autonomie accrue des étudiants universitaires dans la façon dont ils passent leur temps peut les conduire à se coucher plus tard les soirs de classe que lorsqu'ils étaient au lycée.
Les étudiants universitaires ont également un emploi du temps moins structuré et l'heure de leur premier cours de la journée peut varier au cours de la semaine scolaire. Cela pourrait entraîner des changements quotidiens plus importants dans les heures de réveil et la durée du sommeil nocturne par rapport aux lycéens qui ont généralement une heure de début de cours fixe.
L'assiduité aux cours est également rarement contrôlée pour les conférences ou les séminaires dans les universités, alors qu'elle est obligatoire et suivie dans les écoles secondaires. Les étudiants universitaires ont donc la liberté de sécher les cours et peuvent décider, par exemple, de dormir au lieu de se rendre aux cours tôt le matin. Cela peut avoir un impact sur les notes des étudiants.
Les universités ont besoin de méthodes évolutives pour évaluer l'impact potentiel des heures de début des cours sur le comportement des étudiants. Il est peu probable que les pratiques en matière d'horaires de cours soient modifiées si le problème n'est pas prouvé à l'échelle de l'université. La plupart des études sur les heures de début des cours et l'assiduité dans les universités se sont limitées à des échantillons de commodité avec un petit nombre de cours ou d'étudiants.
L'assiduité déclarée par les instructeurs était généralement plus faible pour les cours qui commençaient plus tôt, mais les raisons sous-jacentes (par exemple, le fait de dormir trop longtemps) n'ont pas été évaluées. Il est possible de suivre l'assiduité à une échelle beaucoup plus grande en utilisant des technologies numériques mobiles qui détectent la présence des étudiants dans la salle de classe.
Utilisation des capteurs de smartphones et les données de connexion Wi-Fi
L'étude Copenhagen Networks a utilisé des capteurs de smartphones (signaux Bluetooth et GPS) pour estimer la présence en classe d'environ 1 000 étudiants universitaires sur une période de deux ans, et une étude menée à l'université de Tsinghua a utilisé des connexions Wi-Fi et des données d'applications mobiles pour suivre la présence en classe d'environ 700 étudiants sur une période de neuf semaines. Les données de connexion Wi-Fi ont également été utilisées récemment pour effectuer un suivi à l'échelle de l'université de 24 000 étudiants dans différents endroits du campus, notamment dans les amphithéâtres et les salles de classe.
Contrairement aux études précédentes, les étudiants n'étaient pas tenus d'utiliser une application logicielle spécifique à l'étude sur leur smartphone, et notre échantillon comprenait tous les étudiants qui se connectaient au réseau Wi-Fi de l'université. Étant donné que presque tous les étudiants sont munis d'un appareil compatible avec le Wi-Fi (par exemple, un smartphone, un ordinateur portable ou une tablette), les données de connexion Wi-Fi pourraient être utilisées dans toute l'université pour estimer la fréquentation des cours sans qu'une participation active des étudiants ou des instructeurs soit nécessaire.
Des études antérieures suggèrent que les étudiants universitaires dorment davantage lorsque leurs cours du matin commencent plus tard (environ 20 minutes de sommeil en plus lorsque les cours commencent 1 heure plus tard). Cependant, les preuves objectives feraient défaut et les méthodes traditionnelles de collecte de données sur le sommeil et l'éveil (enquêtes et actigraphie) ne concernent généralement qu'une petite partie de la population étudiante.
La relation entre les heures de début des cours et le comportement veille-sommeil peut potentiellement être déterminée à grande échelle en analysant le schéma diurne des traces numériques des étudiants universitaires. Les étudiants interagissent fréquemment avec les médias sociaux, les smartphones et les plateformes d'apprentissage numérique de l'université. Les périodes d'inactivité prolongées pendant la nuit indiquent des moments où les utilisateurs sont plus susceptibles de dormir.
Des études ont montré que les interactions avec les smartphones (par exemple, les événements liés à l'écran tactile) peuvent être utilisées pour estimer le début et la fin du sommeil, car les utilisateurs interagissent souvent avec leur téléphone peu avant et après leur sommeil nocturne. Cependant, ces études n'ont pas établi de lien entre le modèle diurne des traces numériques des élèves et leurs heures de début d'école ou leurs résultats d'apprentissage.
Récemment, il a été démontré que les connexions horodatées des étudiants au système de gestion de l'apprentissage (LMS) de l'université peuvent être utilisées pour établir le profil de leur comportement diurne axé sur l'apprentissage. De nombreuses universités utilisent un système de gestion de l'apprentissage (LMS) comme principale plateforme en ligne permettant aux étudiants de télécharger des supports de cours, de rendre des devoirs, de répondre à des questionnaires et de participer à des discussions en classe.
À l'instar de l'activité des médias sociaux ou des smartphones, les interactions des étudiants avec le LMS représentent une forme de signal d'éveil qui peut potentiellement être utilisé pour déterminer quand le sommeil est susceptible de se produire. Si l'on peut démontrer que les données LMS fournissent une estimation fiable du moment du sommeil, les universités peuvent utiliser ces informations pour mesurer l'impact global des heures de début des cours sur le comportement de sommeil de l'ensemble des étudiants.
L'objectif de l’étude était de tester les associations entre les heures de début des cours et l'assiduité, le comportement en matière de sommeil et les résultats scolaires dans une grande université. Les chercheurs ont développé des approches évolutives pour évaluer le comportement des étudiants en analysant leurs traces numériques dans des ensembles de données archivés par l'université. Les données de connexion Wi-Fi ont été utilisées pour estimer le taux de présence des étudiants aux cours et les données LMS ont été utilisées pour estimer les possibilités de sommeil.
En parallèle, une étude actigraphique a été menée pour valider et étendre les résultats. Tout d'abord, les chercheurs ont testé l'hypothèse selon laquelle les cours matinaux sont associés à des taux de présence plus faibles confirmés par Wi-Fi. Les données actigraphiques ont été utilisées pour déterminer si les étudiants dormaient au lieu d'assister aux cours matinaux. Deuxièmement, l'hypothèse selon laquelle les cours matinaux sont associés à des heures de réveil plus précoces et à un sommeil plus court a été testée. Cette hypothèse a été évaluée à l'aide des données LMS et actigraphiques classées en fonction du premier cours de la journée. Troisièmement, nous avons testé l'hypothèse selon laquelle les cours du matin sont associés à des notes plus faibles, et que les étudiants qui ont des cours le matin plus de jours par semaine ont une moyenne générale plus faible.
Performances académiques
Les notes de cours des étudiants ont été analysées sur les six semestres pour lesquels les données de connexion Wi-Fi et les données LMS étaient disponibles (2016/17 semestre deux, 2017/18 semestre un, 2017/18 semestre deux, 2018/19 semestre un, 2018/19 semestre deux, 2019/20 semestre un). Dans cette université, les étudiants reçoivent une note en lettre qui est convertie en chiffre pour le calcul de la note globale (A+ ou A = 5,0, A- = 4,5, B+ = 4,0, B = 3,5, B- = 3,0, C+ = 2,5, C = 2,0, D+ = 1,5, D = 1,0, F = 0,0).
Les étudiants obtiennent des crédits de cours en fonction de la charge de travail estimée en heures par semaine, et la moyenne générale représente la performance cumulative pondérée par les crédits obtenus dans chaque cours. Étant donné qu'un cours peut avoir plusieurs heures de début de cours (par exemple, 10h00 de cours magistral le lundi et 16h00 de travaux dirigés le mercredi), les chercheurs ont décidé de regrouper les données par cours du matin et de l'après-midi.
Les cours du matin sont définis comme ceux dont tous les cours (par exemple, les cours magistraux, les travaux dirigés et les laboratoires) commencent avant 12h00, et les cours de l'après-midi sont définis comme ceux dont tous les cours commencent à 12h00 ou plus tard. Les cours à horaire mixte ont été définis comme ayant des réunions de classe le matin et l'après-midi. Pour chaque semestre, ils ont limité les analyses aux étudiants ayant obtenu 20 crédits de cours (le mode de distribution des crédits de cours) afin de s’assurer qu'ils avaient une charge de travail totale comparable.
Cela correspondait généralement à suivre quatre ou cinq cours simultanément. L'échantillon final comprenait 33 818 étudiants uniques, allant de 9 201 à 11 823 étudiants par semestre. Les informations démographiques des étudiants sont fournies dans le tableau supplémentaire 1. L'ensemble de données comprenait 275 192 notes de cours individuelles.
Source : Nature
Et vous ?
:fleche: Les résultats de cette étude sont-ils pertinents ?
:fleche: Quel est votre avis sur le sujet ?
Voir aussi :
:fleche: Un enseignant adopte une politique d'utilisation ouverte du chatbot ChatGPT pour ses étudiants et relance le débat sur la question de savoir s'il faut « bannir ou s'adapter » à l'IA
:fleche: La génération Z estime que l'école ne lui donne pas les compétences nécessaires pour survivre dans un monde numérique, d'après une étude de Dell Technologies
