PROBABILIDADE E ESTATÍSTICA

Aulas matinais: sono prejudicado e

desempenho acadêmico
alunos: Nelson Thiago, Vinicius moreira, italo
Freitas
Professor: Silvestre da cruz
 Sumário
1. Introdução
2. Contexto e problemática
3. Planejamento da pesquisa
4. Coleta de dados
5. Critica de dados
6. Exposição
7. Analise
8. Limitações do estudo
9. Conclusão
10. Sugestões para estudos futuros
11. Referências 2
 1.
Introdução
O objetivo deste trabalho é analisar o artigo “Early morning university
classes are associated with impaired sleep and academic performance” 1, ou em
tradução direta, “Aulas universitárias matinais estão associadas a sono
prejudicado e desempenho acadêmico” publicado por Sing Chen Yeo e
colaboradores em fevereiro de 2023, em Sigupira. Nessa análise, iremos abordar
os seguintes aspectos:

▸ O contexto e a relevância do tema estudado pelos autores;

▸ Os processos estatísticos aplicados e os resultados obtidos na pesquisa;
▸ As limitações e as sugestões para futuros estudos na área;
▸ A discussão e as implicações dos achados para a educação e a saúde dos
estudantes universitários.
3
 2. Contexto e
problemática
Segundo Marcus Credé (2010)2, O sono
inadequado afeta negativamente os processos
cognitivos de atenção e memória, comprometen-
do o desempenho acadêmico dos alunos em sala
de aula (ou seja, presenteísmo).
Além disso, sentir-se cansado e dormir demais
são frequentemente citados como motivos pelos
quais os universitários faltam às aulas3,4
(absenteísmo).
Estudos mostram que os universitários que
assistem às aulas regularmente e dormem bem
têm mais chances de obter notas altas2.
4
 2. Contexto e
problemática
Estudos anteriores sugerem que os estudantes
universitários obtêm mais sono quando suas aulas
matinais começam mais tarde5,6. No entanto, faltam
evidências objetivas e os métodos tradicionais de coleta
de dados de sono-vigília (pesquisas e actigrafia)
geralmente capturam apenas uma pequena fração da
população estudantil.
O objetivo dessa pesquisa foi testar associações
entre horários de início das aulas, frequência,
comportamento do sono e desempenho acadêmico em
uma universidade de grande porte.  
5
 3. Planejamento da
pesquisa
Tipo de pesquisa:
Esse artigo é um estudo observacional, um tipo de
estudo em que o pesquisador observa e mede variáveis
sem manipulá-las. O objetivo é identificar associações
entre as variáveis observadas. Diferentemente dos
estudos experimentais, os estudos observacionais não
envolvem a manipulação de variáveis independentes

6
 3. Planejamento da
pesquisa
População em estudo;
▸ Estudantes de uma grande universidade de Singapura
Tipo de amostragem:
▸ Amostragem não probabilística, denotando que a seleção dos participantes
não foi baseada em critérios aleatórios, mas sim orientada por critérios
específicos estabelecidos pelos pesquisadores.

Ferramentas utilizadas:
▸ SigmaPlot v.14.5
▸ Systat Software
7
 3. Planejamento da
pesquisa
Amostras:

Para realizar essa pesquisa foram coletados os seguintes os seguintes dados dos alunos:
▸ Metadados de conexão wi-fi: foram usados para obter informações de
horário e localização de 23.391 alunos únicos matriculados em 337 cursos
▸ Frequência de alunos: afim de validar os dados do wi-fi, foram realizadas coletas manuais de
frequência dos alunos de 53 sessões de aula em 13 cursos diferentes.
▸ Dados de login no sistema de ensino: para investigar os períodos de sono dos alunos, foram
coletados dados de login de 39.458 estudantes no LMS utilizado pela faculdade
▸ Dados de actigrafia: a validação dos dados recolhidos do LMS foi feita a utilizando dados de
actigrafia coletados de um grupo de 181 estudantes
▸ Rendimentos acadêmicos: para fazer a analise do impacto das aulas matutinas no
desempenho acadêmico dos alunos
8
 4. Coleta de dados
Metadados de conexão wi-fi: Cada vez que um dispositivo de um aluno se associava à
rede wi-fi da universidade de singapura, os dados de transmissão eram registrados. Os
dados incluíam, o endereço de controle de acesso à mídia anônimo usado para
identificar o dispositivo habilitado, o nome e o descritor de
localização do ponto de acesso Wi-Fi e a hora de início e
término de cada conexão Wi-Fi.
Frequência de alunos: Os dados de frequência foram
obtidos de 53 sessões de aula em 13 cursos diferentes.
Os instrutores que forneceram dados de frequência
foram recrutados a partir de uma amostra de
conveniência de professores envolvidos em pesquisa
educacional.
9
 4. Coleta de dados
Dados de login no sistema de ensino: As interações dos alunos com o LMS da
universidade foram analisadas ao longo de cinco semestres entre 2016 e 2018, usando
todos os dados disponíveis no ALSET Data Lake.
Dados de actigrafia: Estudantes de graduação da
Universidade nacional de Singapura, com idades entre 18
e 25 anos foram recrutados para participar de um estudo
de pesquisa de 6 semanas sobre seus padrões de sono-
vigília durante o período escolar. 
Rendimentos acadêmicos: As notas dos alunos foram
analisadas ao longo dos seis semestres para os quais os
dados de conexão Wi-Fi e LMS estavam disponíveis, entre
2016 e 2019
10
 5. Critica de dados
Para validar a veracidade dos metadados extraídos do Wi-Fi, foram
realizadas uma análise de correlação de Pearson com teste bicaudal para
comprovar a relação entre os metadados e a frequência de alunos fornecida
pelos instrutores.
Os dados de login do LMS foram utilizados para obter o padrão de sono-
vigília dos alunos. Esses dados foram complementados com o estudo de
actigrafia, a fim de fornecer um quadro mais realista dos hábitos de sono-
vigília, trazendo assim maior embasamento e confiabilidade aos dados
coletados.

11
 6. Exposição
A frequência das aulas confirmadas por Wi-Fi foi menor para as aulas matutinas.
Através da análise de correlação de Pearson e As caixas mostram a mediana e o intervalo
teste bicaudal prova-se que frequência relatada interquartil.
pelo instrutor esta correlacionada com a Os bigodes mostram os percentis 10 e 90.
frequência confirmada pelo Wi-Fi.
Tamanho da amostra
Frequência dos docentes às aulas

Taxa de frequência individual

confirmada por WiFi (%)
(número de alunos)

Frequência confirmada por wifi (número de alunos) Hora de início da aula (hh:mm)
Gráfico de dispersão Diagrama de caixa 12
 6. Exposição
Os alunos frequentemente dormiam até após o início das aulas matinais.
 Cada círculo corresponde a um valor de
Períodos de sono e aulas programadas são mostrados deslocamento de sono individual. Círculos abertos
em um aluno representativo que passou por um mostram casos em que os alunos acordaram após o
estudo de actigrafia de 6 semanas. início da aula e os círculos negros mostram casos em
que os alunos não acordaram cedo o suficiente para
Dias de estudo chegar à aula a tempo

Momento do despertar (hh:mm)

Horário (hh:mm)

Sono em dias letivos Deitado na cama

Sono em dias Livres Aulas Início da primeira aula(hh:mm)

Gráfico de colunas empilhadas Gráfico de dispersão em colunas

13
 6. Exposição
Relação entre os horários de início das aulas e as frequências de (c) despertar
depois que a aula começou e (d) levantar-se muito tarde para ir à escola a tempo
(comprovada por teste qui-quadrado bicaudal).

para chegar à primeira aula a tempo (%)

Frequência de despertar tarde demais
Frequência de despertar depois do
horário de início da primeira aula

Início da primeira aula(hh:mm)

Início da primeira aula(hh:mm)
Gráfico de colunas Gráfico de colunas
14
 6. Exposição
Nessa fase foram observados a partir de dados da actigrafia de 181 estudantes
as mudanças no sono de acordo com os diferentes horários de aula.

15
Gráfico de linha
 6. Exposição
Alunos com turmas matutinas em mais dias da semana tiveram menores médias de notas.

Média de pontos obtidos

Frequência

Dias por semana com

Nota individual no curso turmas matutinas
Histograma Diagrama de caixa 16
 7. análise
Os resultados mostraram que os estudantes que tinham aulas mais cedo (entre
8h e 10h) dormiam menos e tinham pior qualidade de sono do que os que tinham
aulas mais tarde (entre 12h e 18h).
Além disso, os estudantes que tinham aulas mais cedo também apresentavam
pior desempenho acadêmico, medido pelas notas obtidas nos exames.
Os autores sugerem que esses achados podem ter implicações importantes
para a organização dos horários das aulas nas universidades, considerando os
ritmos circadianos dos estudantes e as consequências do sono insuficiente ou
inadequado para a saúde e o aprendizado.

17
 8. limitações do
estudo

Algumas limitações deste estudo são:

▸ A amostra foi composta por alunos de uma única universidade em Singapura, o

que limita a generalização dos resultados para outros contextos e populações.

▸ O estudo não controlou outras variáveis que podem influenciar o sono e o

desempenho acadêmico, como o uso de tecnologia, o consumo de cafeína, o
estresse e a saúde física e mental dos alunos.

18
 8. Sugestões para futuros
estudos

▸ Avaliar se a redução do número de dias em que os universitários têm

aulas matutinas leva a melhorias significativas na aprendizagem, usando
métodos experimentais ou quase-experimentais que controlem por fatores de
confusão, como motivação, hábitos de estudo e características
socioeconômicas dos alunos.

▸ Investigar se o início das aulas mais tarde pode resultar em melhorias

sustentadas no comportamento do sono e na frequência às aulas dos
estudantes universitários, acompanhando longitudinalmente os alunos que
participaram da intervenção e verificando se eles mantiveram ou alteraram
seus hábitos de sono e de aprendizagem ao longo do tempo.
19
 9. conclusão
O artigo apresenta uma revisão abrangente da literatura que explora a importância
do sono e da frequência às aulas para o sucesso acadêmico dos estudantes
universitários, além de discutir os fatores biológicos e ambientais que afetam o ritmo
circadiano desses jovens adultos.
Os autores demonstram clareza ao descrever os métodos utilizados para coletar e
analisar os dados digitais, como registros de conexão Wi-Fi, logins no sistema de gestão
de aprendizagem e dados de actigrafia.
Os resultados são apresentados de forma visual através de gráficos, que ilustram
claramente as diferenças entre os horários das aulas e as variáveis dependentes. Os
autores também exploram as implicações desses resultados para as políticas
educacionais, bem como as limitações do estudo.

20
 9. conclusão
O artigo contribui significativamente para o avanço do conhecimento sobre os
efeitos dos horários das aulas no comportamento e aprendizado dos estudantes
universitários. Além disso, fornece evidências empíricas que apoiam a ideia de que adiar
o início das aulas pode beneficiar os estudantes, conforme já demonstrado em estudos
com estudantes do ensino médio.

A relevância do artigo abrange educadores, administradores, pais e estudantes

interessados no tema do sono e educação. A argumentação é original, rigorosa e
convincente, tornando o artigo uma contribuição valiosa para a área.

21
 10. refêrencias
1. Yeo, S.C., Lai, C.K.Y., Tan, J. et al. Early morning university classes are associated with
impaired sleep and academic performance. Nat Hum Behav 7, 502–514 (2023).
https://doi.org/10.1038/s41562-023-01531-x
2. Credé, M., Roch, S. G. & Kieszczynka, U. M. Class attendance in college: a meta-analytic
review of the relationship of class attendance with grades and student characteristics. Rev.
Educ. Res. 80, 272–295 (2010).
3. Curcio, G., Ferrara, M. & De Gennaro, L. Sleep loss, learning capacity and academic
performance. Sleep Med. Rev. 10, 323–337 (2006).
4. Friedman, P., Rodriguez, F. & McComb, J. Why students do and do not attend classes. Coll.
Teach. 49, 124–133 (2001).
5. Sloan, D., Manns, H., Mellor, A. & Jeffries, M. Factors influencing student
6. Onyper, S. V., Thacher, P. V., Gilbert, J. W. & Gradess, S. G. Class start times, sleep, and
academic performance in college: a path analysis. Chronobiol. Int. 29, 318–335 (2012).
7. Basner, M., Spaeth, A. M. & Dinges, D. F. Sociodemographic characteristics and waking
22
activities and their role in the timing and duration of sleep. Sleep 37, 1889–1906 (2014).