Effects of Different Light Levels on the College Students’ Cognitive Performance
Notice bibliographique
Résumé
This study aims to empirically discover the effects of different light levels on college students' cognitive performance. Due to the coronavirus pandemic, most universities, schools, and other educational institutions have halted classes and activities in response. They have been forced to shift from face-to-face to online learning and significantly impact students' daily lives, particularly those who began their first year of college entirely online. Many students spend much of their time in their bedroom, which now has their classroom, where they join virtual classes, study, and do coursework. Our moods and cognitive capacities, such as learning and productivity, are strongly influenced by lighting. The researchers used data from a sample of 100 respondents obtained from a digital survey questionnaire containing a modified lighting ergonomics tool from the Canadian Centre for Occupational Health and Safety (CCOHS). Sixty-nine percent (69%) of participants ages 18 to 24 years old, ranging from Year 1 to 4, prefer studying at night. Regression analysis was used to determine if there are effects of light used by the students on their preferred time to study. The day and night sections were separated, but both results rejected the alternative hypothesis. The Pearson Correlation has determined the linear relationships between factors. The Analysis of Variance (ANOVA) showed no significant differences in the light levels used during daytime and nighttime. The researchers recommend exploring and considering other factors and including employees in work-from-home set-ups.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».