Bildschirmkonsum und kognitive Kompetenzen im Kindes- und Jugendalter
Abstract
Zusammenfassung.Hintergrund: In zwei Studien werden die Zusammenhänge zwischen dem Bildschirmkonsum bei Kindern und Jugendlichen und deren kognitiven Kompetenzen für den deutschsprachigen Raum untersucht. Begründet wird der Zusammenhang (u.a.) dadurch, dass der Bildschirmkonsum dem Konzentrationsvermögen schadet und lernförderliche Freizeitaktivitäten verdrängt. Methoden: In der ersten Studie werden Berliner Gymnasiasten retrospektiv zu ihrer Bildschirmzeit im Alter von 5 und 10 Jahren erfragt und Zusammenhänge mit heutiger Bildschirmzeit und Schulleistungen verglichen (N = 104, 18 bis 20 Jahre, Pfadmodell). In Studie 2 wird der deutsche PISA-Datensatz reanalysiert (N = 6504, 15-Jährige, multiple Regression), um den Einfluss des Bildschirminhalts (Unterhaltung vs. Wissensaneignung) mit anderen bewährten Variablen zur Vorhersage kognitiver Kompetenzen zu vergleichen, wie das Bildungsverhalten der Eltern und die Selbstwirksamkeit des Kindes. Ergebnisse: In einer Pfadmodellierung (Studie 1) zeigen sich die höchsten Zusammenhänge zwischen dem erinnerten Bildschirmkonsum im Alter von fünf Jahren und den Schulleistungen in Deutsch und Englisch (β = –.29). Der gegenwärtige Bildschirmkonsum wirkt stärker auf Schulleistungen in Mathematik und Deutsch (β = –.20). In der zweiten Studie weist der lernhinderliche Bildschirmkonsum ähnlich hohe Zusammenhänge auf (β = –.22) wie die Selbstwirksamkeit (β = –.21), wohingegen der lernförderliche Bildschirmkonsum keine signifikanten Zusammenhänge mit den Kompetenzen andeutet (β = .08). Diskussion: Zukünftige längsschnittliche Studien sollten die Muster einschließlich möglicher Rückeffekte von Fähigkeit auf Bildschirmkonsum untersuchen. Gerade vor dem Hintergrund der Corona-Schutzmaßnahmen (und damit verstärkt einhergehender Bildschirmkonsum) sind die Ergebnisse relevant für Pädagogen, Psychologen und Eltern. Den lernhinderlichen Bildschirmkonsum für Kinder und Jugendliche zu reduzieren, sollte Aufgabe von Programmen der Prävention und Intervention sein.
Abstract.Background: In two studies, the correlations between screen consumption among children and adolescents and their cognitive competencies are examined for the German-speaking region. The correlation is explained by the fact that screen consumption is detrimental to the development of important brain structures, the ability to concentrate and displaces leisure activities that are conducive to learning. Methods: In the first study, Berlin high school students are retrospectively asked about their screen time at ages 5 and 10 and correlations with current screen time and school performance are compared (N = 104, 18 to 20 years, path model). In Study 2, the German PISA dataset is reanalyzed (N = 6504, 15-year-olds, multiple regression) to compare the influence of screen content (entertainment vs. knowledge acquisition) with other well-established variables for predicting cognitive competencies, such as parents' educational behavior and child self-efficacy. Results: Path modeling (Study 1) shows the highest associations between recalled screen use at age five and language-related school performance (β = –.29). Current screen use showed higher effects on school performance in mathematics and German (β = –.20). In the second study, screen use that impedes learning has similar high associations (β = –.22) as self-efficacy (β = –.21), whereas screen use that promotes learning suggests no significant associations with competencies (β = .08). Discussion: Future longitudinal studies should examine patterns including possible back effects of ability on screen use. Particularly in light of Corona protections (and increased associated screen use), the findings are relevant to educators, psychologists, and parents. Reducing screen use that impedes learning for children and adolescents should be the task of prevention and intervention programs.
Einleitung
Kinder und Jugendliche verbringen durch die wachsende Verfügbarkeit digitaler Medien einen großen Teil des Tages vor Bildschirmen (Twenge, Krizan & Hisler, 2017; Wallner-Paschon, Höller & Hafner, 2018). Laut internationaler Empfehlungen sollten Grundschulkinder so wenig wie möglich Zeit vor dem Bildschirm verbringen, Jugendliche maximal 120 Minuten am Tag und unter Kontrolle der Inhalte (bspw. Tremblay et al., 2016). Die Mehrheit ist aber länger am Bildschirm (Colley et al., 2013): 6- bis 13-jährige Kinder in Deutschland nutzen Medien im Durchschnitt 175 Minuten täglich. Bedingt durch die COVID-19-Pandemie und damit verhängten Lockdown-Maßnahmen ist der Bildschirmkonsum zusätzlich in Deutschland und vielen weiteren Ländern stark angestiegen (Paterson et al., 2021, Schmidt et al., 2020). Dies ist aufgrund des Fernunterrichtes nachvollziehbar und zu erwarten gewesen, jedoch zeigen weitere Untersuchungen, dass auch die problematische exzessive Bildschirmnutzung in der COVID-19 Pandemie angestiegen ist (Eales, Gillepsie, Alstat, Ferguson & Carlson, 2021).
Die Medienwirkforschung beschäftigt sich seit langem mit den Zusammenhängen zwischen der Bildschirmnutzung und der Entwicklung kognitiver Kompetenzen (Wallner-Paschon et al., 2018). In verschiedenen Metaanalysen (Kates, Wu & Coryn, 2018; Marker, Gnambs & Appel, 2018; Razel, 2001) und Längsschnittanalysen (bspw. Christakis, 2009; Pagani, Fitzpatrick, Barnett & Dubow, 2010) zeigte sich ein negativer Zusammenhang zwischen der Bildschirmnutzung und den kognitiven Kompetenzen bei Kindern und Jugendlichen, im Durchschnitt mit mittleren Effektstärken (r = –.34; Mößle & Rehbein, 2013).
In Anlehnung an andere Studien wollen wir die Zusammenhänge für den deutschsprachigen Raum bestätigen, um einen Beitrag zu der aktuellen Medienwirknutzung zu leisten. Zur Umsetzung der Ziele werden zwei unterschiedliche Datensätze verwendet – der erste beschränkt sich auf eine eher kleine Stichprobe, die 2015 an Berliner Gymnasien erhoben wurde, der zweite Datensatz entspricht den PISA-Daten aus dem Jahr 2015.
Wie wirkt der Bildschirmkonsum auf die Entwicklung kognitiver Kompetenzen?
Erklärt wird der Zusammenhang auf verschiedene Art und Weise: beispielsweise durch den Abbau des Konzentrationsvermögens und der Aufmerksamkeitsspanne (Schittenhelm, Ennemoser & Schneider, 2010, vgl. Spitzer, 2012). Eng damit verbunden seien eine mangelnde positive Stimulation der Sinne und die Überreizung durch den Bildschirmkonsum (vgl. Spitzer, 2018a). Die mental vorgefertigten Bilder würden nicht nur die Kreativität der Kinder einschränken und damit die mentale Vorstellungskraft reduzieren, sondern auch die Grundlage von sensumotorischen Erfahrungen untergraben (Suggate & Martzog, 2020). Zudem werden durch die vor dem Bildschirm verbrachte Zeit lernförderliche Freizeitaktivitäten verdrängt (Marshall, Biddle, Gorley, Cameron & Murdey, 2004), wie beispielsweise Lesen, die Natur erkunden oder der Kontakt zu Gleichaltrigen.
In einer neurobiologischen Studie wirkt sich die Bildschirmnutzung auf verschiedene Gehirnregionen negativ aus, die mit visuellen Funktionen und kognitiven Kompetenzen in Verbindung gebracht werden (u.a. dünnere Kortexdichte und geringeres Volumen, geringere Hippocampusdichte; Horowitz-Kraus & Hutton, 2017; Paulus et al., 2019). Unter dem Bildschirmkonsum leidet vor allem die kristalline Intelligenz (orbitofrontale Bereiche des Gehirns), jedoch zeigen sich auch negative Auswirkungen für die fluide Intelligenz (Paulus et al., 2019). Verbringen beispielsweise Kinder (zwischen 8 und 10 Jahre alt) ihre Zeit mit Lesen anstatt mit dem Konsumieren von Bildschirmmedien, führt dies zu einer höheren funktionellen Konnektivität zwischen einigen Hirnregionen, die unter anderem mit Sprache, Sehen und Kognitionen verbunden sind (Horowitz-Kraus & Hutton, 2017). Die Einflüsse sind im Vorschulalter besonders hoch zu erwarten, da hier grundlegende Kompetenzen ausgebildet und durch die Bildschirmnutzung blockiert werden (geringere mikrostrukturelle Integrität der weißen Substanz im Gehirn; Hutton, Dudley, Horowitz-Kraus, DeWitt & Holland, 2019).
Das Alter und die Bildschirmnutzung
Eine Arbeit, die den Bildschirmkonsum in verschiedenen Altersklassen miteinander vergleicht, gibt es bisher nicht. Die ABCD-Studie (Adolescent Brain Cognitive Development-Study) ist die größte Langzeitstudie der Vereinigten Staaten, die die Gehirnentwicklung und Gesundheit von Kindern untersucht (rund 12000 Kinder, Startalter bei 9–10 Jahre) und dabei auch die Bildschirmnutzung der Kinder als möglichen Einflussfaktor überwacht (bspw. Paulich, Ross, Lessem & Hewitt, 2021; Walsh, Barnes, Tremblay & Chaput, 2020). Dabei zeigten sich in einer Mehrheit der Studien negative Zusammenhänge zwischen der Bildschirmnutzung und den kognitiven Kompetenzen (Kirlic et al, 2021; Walsh, Barnes, Tremblay & Chaput, 2020): Je mehr die Kinder vor dem Fernseher sitzen, Internetvideos konsumieren oder Videospiele spielen (3 bis 7 Stunden täglich), desto geringer sind kognitive Kompetenzen ausgeprägt.
Besonders schädlich ist die Bildschirmnutzung im Vorschulalter (hoher Konsum bedeutete durchschnittlich zwei Stunden pro Tag) für spätere Kompetenzen (Christakis, 2009; Kaur, Gupta, Malhi & Grover, 2019; Pagani et al., 2010). In einer Längsschnittstudie (Pagani et al., 2010) bestätigt sich dies: Fernsehkonsum im Alter von 2.5 und 4.5 Jahren (nach Auskunft der Eltern) hängt negativ mit den Schulleistungen in der vierten Klasse (Angabe der Lehrpersonen) zusammen. Dafür seien nach den Autoren direkte Effekte (Einfluss auf Entwicklung des Gehirns, siehe oben) und indirekte Effekte (verringertes Konzentrations- und Aufmerksamkeitsvermögen, verringerte Aufgabenorientiertheit und geringes autonomes Lernverhalten) verantwortlich. Die Bildschirmnutzung wird in der heutigen Zeit weniger als der Gebrauch eines Fernsehers und mehr als Nutzung von Smartphones und von Internet via Laptop oder Tablets verstanden, wobei ähnliche, wenn nicht sogar höhere Effekte zu erwarten sind, aus dem einfachen Grund, weil sie allgegenwärtig sind (Kates et al., 2018; Marker et al., 2018, Spitzer, 2018b).
Auswirkungen auf verschiedene Kompetenzen
Des Öfteren werden Defizite in sprachlichen Kompetenzen geäußert, etwas seltener kommen auch Defizite in mathematischen oder naturwissenschaftlichen Kompetenzen zur Sprache (Hu, Johnson, Teo & Wu, 2020; Mundy et al, 2020). So untersuchten Mundy et al. (2020) in einer australischen Längsschnittstudie schulfächerspezifische Auswirkungen der Bildschirmnutzung und kommen zu dem Ergebnis, dass im Alter von 8 bis 9 Jahren mehr als zwei Stunden Fernsehen pro Tag zwei Jahre später zu schlechteren Lesekompetenzen und höherer Computerkonsum zu schlechteren mathematischen Fähigkeiten führt. Dies wurde auch für den italienischen Raum bestätigt (Cernigilia, Cimino & Ammaniti, 2020): Eine Stunde Bildschirmnutzung (oder mehr) bei Vierjährigen führt bereits zu schlechteren Noten in Mathe und Lesen.
Insgesamt betrachtet gibt es zur Unterscheidung der Teilkompetenzen zu wenig Arbeiten, welche ein einheitliches Bild liefern. Wir gehen davon aus (Studie 1), dass sich das Alter und die Fächerkompetenzen bedingen. So könnte der Schwerpunkt im Vorschulalter bei der Entwicklung sprachlicher Kompetenzen und im späteren Alter (mit 10 Jahren bspw.) in der zusätzlichen Entwicklung von mathematischen oder naturwissenschaftlichen Kompetenzen liegen.
Ziele und Hypothesen der ersten Studie
In der ersten Studie wollen wir der Frage nachgehen, ob sich Unterschiede zeigen zwischen verschiedenen Altersabschnitten, in denen Bildschirme genutzt werden. Anhand eines Datensatzes, der 2015 an Berliner Gymnasien erhoben wurde, wollen wir die Zusammenhänge zwischen der Bildschirmnutzung (retrospektiv erfasst) im Alter von fünf, von zehn und im frühen Erwachsenenalter und Schulleistungen ermitteln. Wir gehen dabei von den folgenden gerichteten Hypothesen aus:
(H1) Die Dauer der Bildschirmnutzung im Alter von fünf Jahren weist die größten negativen Zusammenhänge auf mit Fächerleistungen, die sprachliche Kompetenzen erfordern (Deutsch und Englisch).
(H2) Die Dauer der Bildschirmnutzung im Alter von 10 Jahren korreliert negativ mit den Schulleistungen im jungen Erwachsenenalter.
(H3) Die aktuelle Dauer der Bildschirmnutzung weist höhere (negative) Zusammenhänge mit Fächerleistungen auf, die höhere kognitive Kompetenzen erfordern (Deutsch und Mathe vs. Englisch und Sport).
Ausgewertet werden soll dies mittels eines Pfadmodells, welches die Interkorrelationen zwischen den Prädiktoren berücksichtigt (Bildschirmnutzung im Alter von 5, 10 Jahren und aktuell) und somit den jeweiligen Einfluss um den der anderen Prädiktoren auf die abhängige Variable (aktuelle Fächerleistungen in Deutsch, Mathe, Englisch, Sport) bereinigt.
Methode (Studie 1)
Durchführung der Untersuchung
An der Erhebung nahmen drei Berliner Gymnasien teil. Eine Auflage für die Untersuchungsdurchführung war, den Aufwand für die Schule gering zu halten. Aus ethischen Gründen wurden die Fragebögen in den Klassenstufen 11 bis 13 an volljährige Schülerinnen und Schüler ausgeteilt (Einverständnis der Eltern war nicht nötig). Das Einverständnis zur Teilnahme und zur Datenauswertung wurde von den Teilnehmenden selbst schriftlich eingeholt. Die Bearbeitung des Fragebogens dauerte fünf Minuten.
Fragebogen zur Erfassung der Variablen
Nach soziodemographischen Informationen, wie Geschlecht (männlich/weiblich/divers) und Alter (Angabe in Jahren) folgten Fragen zum Bildschirmkonsum. Definiert wurde die Bildschirmnutzung mit dem Zugang zu digitalen Geräten, wie Computern, Handys oder Fernsehern. Die Nutzung von Bildschirmen wurde retrospektiv zum Alter von 5 Jahren und zum Alter von 10 Jahren erfasst, bspw. mit der Frage: „Wie lang hatten Sie täglich im Alter von 5 Jahren (bzw. im Alter von 10 Jahren) Zugang zu Bildschirmen?“. Die Teilnehmenden hatten auch die Möglichkeit anzugeben, dass sie sich nicht mehr erinnern können. Der derzeitige Bildschirmkonsum, also wie lange die Personen täglich Bildschirme nutzen, wurde ähnlich erfasst. Um die Angaben zur Dauer miteinander vergleichen zu können, wurde der entsprechenden Antwortmöglichkeit ein zeitlicher Richtwert zugeordnet. Die Einteilung der Zeiten orientiert sich an internationalen Empfehlungen und früheren Studienergebnissen aus diesem Bereich (bspw. Tremblay et al., 2016, siehe oben) und wurden entlang der mittleren Statistik leicht nach oben korrigiert. Die Personen konnten von 0 (= gar nicht –kein Zugang) bis 4 (= sehr lang –täglich über drei Stunden) antworten.
Schulische Leistungen
Als Indikatoren von kognitiven Kompetenzen wurden die Schulnoten der Person erhoben. Die Personen wurden gebeten, ihre Noten in Punkten anzugeben („Welche Punktzahl (0 bis 15) erreichen Sie derzeit in … Mathematik; Deutsch; Englisch; Sport?“).
Beschreibung der Stichprobe
Es nahmen insgesamt N = 115 Personen aus fünf Klassen der Jahrgänge 11 bis 13 an der Untersuchung teil. Dies ergibt eine Rücklaufquote von etwa 82% (insgesamt N = 141 Personen angetroffen). Davon wurden 8 Personen ausgeschlossen, die bei der Frage zum Bildschirmkonsum im Alter von 5 und 10 Jahren keine Angaben machten, weitere 3 Personen wegen fehlender Angaben zu Schulleistungen. Die finale Stichprobe umfasst N = 104 Personen, davon n = 65 Frauen (62.5%) und n = 39 Männer (37.5%). Alle Personen waren zwischen 18 und 20 Jahre alt (M = 18.63, SD = 0.70).
Statistische Datenanalyse
Zur Beantwortung der Fragen wurde ein Pfadmodell erstellt, wobei die standardisierten Betakoeffizienten entlang der Pfade dargestellt und die Korrelationen in Klammern gesetzt werden.
Ergebnisse (Studie 1)
Deskriptive Analyse der Ergebnisse
Im Alter von 5 Jahren hatten die Personen ein bis zwei Stunden täglich Zugang zu Bildschirmen (M = 1.21, SD = 0.68), was sich mit dem Alter leicht erhöhte (mit 10, M = 1.61, SD = 0.92; derzeitig, M = 1.74, SD = 1.32). Der durchschnittliche Leistungsstand lag bei M = 10.33 Punkten (Note 2−; SD = 2.05), wobei sich etwas schlechtere Punktwerte bei der Betrachtung der einzelnen Fächer ergaben (Mathematik, M = 8.69, Note 3+, SD = 3.26; Deutsch, M = 9.78, Note 2−, SD = 2.11; Englisch, M = 9.95, Note 2−, SD = 2.59, Sport, M = 11.95, Note 2+, SD = 2.05). Der Shapiro-Wilk-Test zeigt, dass die Variablen normalverteilt sind, mit p = .078 bis p = .334.
Inferenzstatistische Analyse der Ergebnisse
Die Ergebnisse der Pfadmodellierung sind Abbildung 1 zu entnehmen. Die Güte des Modells ist als sehr gut zu interpretieren (CFI = 1.000, SRMR = .013). Es zeigt sich eine mittlere Korrelation zwischen dem Bildschirmkonsum im Alter von 5 und 10 (r = .29) und eine hohe Korrelation zwischen dem Alter von 10 und derzeitig (r = .52).
Die aufgeklärte Varianz ist für alle Schulfächer gering, am meisten wird mit 15% und 13% von Deutsch und Mathematik aufgeklärt. Die geringste Varianz wird in Sportleistungen aufgeklärt (3%, entspricht R = .17).
In der ersten Hypothese wurde angenommen, dass die Dauer der Bildschirmnutzung im Alter von fünf Jahren die größten negativen Zusammenhänge mit den sprachbezogenen Fächerleistungen aufweist (Deutsch und Englisch). Im Vergleich der Koeffizienten zeigen sich kleine bis mittelhohe Effekte zwischen dem Bildschirmkonsum im Alter von fünf Jahren und den Fächerleistungen. Im Mittel weisen die Koeffizienten mit den Noten in Deutsch und Englisch (β = –.29) fast doppelt so hohe Werte auf im Vergleich zu Mathematik und Sport (β = –.15). Die erste Hypothese kann somit bestätigt werden.
Die zweite Hypothese sollte die Zusammenhänge der Bildschirmnutzung im zehnten Lebensjahr testen. Es zeigen sich zwar kleine bis mittlere Pearson-Korrelationen, jedoch verschwinden diese Effekte, wenn man den Einfluss der Variable um den der anderen Prädiktoren im Modell bereinigt. Die zweite Hypothese kann somit nicht bestätigt werden.
In Hypothese 3 wurde die aktuelle Bildschirmnutzung fokussiert. Es zeigten sich negative und signifikante Zusammenhänge mit Leistungen in Mathematik (β = –.23) und Deutsch (β = –.17). Die Zusammenhänge hinsichtlich der Noten in Sport und Englisch sind nicht signifikant. Die dritte Hypothese kann somit bestätigt werden.
Diskussion (Studie 1)
Interpretation der Ergebnisse
Die Ergebnisse aus dem Pfadmodell (Abb. 1) lassen darauf schließen, dass sich die höchsten Zusammenhänge zwischen dem Bildschirmkonsum im Alter von 5 Jahren und den Schulnoten in Deutsch und Englisch zeigen (β = –.29). Dies könnte darin begründet liegen, als dass die Vorschulzeit wichtig für die Aneignung grundlegender sprachlicher Kompetenzen ist und sich die Gelegenheiten für eine entsprechende kognitive Entwicklung durch den Bildschirmkonsum verringern (Marshall et al., 2004; Spitzer, 2018a) – etwa durch die eigene sprachliche Passivität. Auch der derzeitige Bildschirmkonsum wirkt bedeutsam auf die Schulnoten, doch lediglich auf die Noten in Mathematik und Deutsch (im Mittel β = –.20). Dies führen wir auf den erhöhten Anspruch kognitiver Kompetenzen im Vergleich der Fächer zurück. Die Bildschirmnutzung im Alter von 10 Jahren weist (im relativen Vergleich zu den anderen Altersgruppen) keine Zusammenhänge mit den derzeitigen Schulnoten auf. Vermutungen zufolge, könnte das Gehirn im Alter von 10 Jahren mental dazu fähig sein, Bildschirminformationen entsprechend zu verarbeiten. Ein weiterer Grund könnte bei den Bildschirminhalten für diese Altersgruppe liegen – möglicherweise sind diese auf wissensbezogene Inhalte bezogen und schaden demnach der Kompetenz nicht. Folgende Untersuchungen sollten diesen Zusammenhängen nachgehen.
Die aufgeklärte Varianz der Schulnoten ist sehr gering – jedoch wurde hier lediglich ein Faktor (Bildschirmnutzung) hinzugezogen und vor diesem Hintergrund ist die Höhe der Varianz wohl nicht überraschend. Wir erhoffen uns eine höhere Varianzaufklärung in der zweiten Studie unter Hinzuziehung weiterer Prädiktoren.
Limitationen (Studie 1)
Alle erhobenen Daten gehen auf die Einschätzung der Personen zurück. Die Personen sollten sich bei der Angabe der Bildschirmnutzung an die Zeit im Alter von 5 und 10 Jahren zurückerinnern. Bei retrospektiven Studien können die Ergebnisse aufgrund von Erinnerungslücken verzerrt werden, weswegen die Validität der Schülerangaben angezweifelt werden kann. Angeben zu können, dass die Frage nicht beantwortet werden kann („Keine Ahnung“), dürfte jedoch einer willkürlichen Antwort und damit auch stärkeren Validitätseinbußen entgegengewirkt haben. Personen, welche keine Angaben machten, wurden aus den Analysen ausgeschlossen.
Recht wahrscheinlich ist es, dass die Personen ihren Bildschirmkonsum etwas unterschätzen, da das Zeitgefühl vor dem Bildschirm verschwimmt (vgl. Spitzer, 2018a). Zudem könnte die Angabe der Bildschirmnutzung durch soziale Erwünschtheit verzerrt sein. Zukünftigen Studien wird empfohlen, nach der reinen Zeit der Nutzung zu fragen. Eine weitere Lösung für das Problem der sozialen Erwünschtheit wäre, die Angaben durch die Eltern einzuholen, wie es Pagani und Kollegen (2010) taten. Es können hier vermutlich präzisere Angaben gemacht werden – gerade wenn es um die Bildschirmnutzung im Vorschulalter geht (Wartberg, Zieglmeier & Kammerl, 2019).
Die Angabe der eigenen Schulnoten könnte auch verzerrt sein. Die eigenen Leistungen werden von den Lernenden überschätzt (Anderson, 1998) und weichen von den Einschätzungen der Lehrpersonen ab (d = 0.60; Kuncel, Crede & Thomas, 2005). Eine Korrektur der Daten wurde in der vorliegenden Studie nicht vorgenommen. Da auch Lehrerurteile verzerrt sein können (Lorenz, Gentrup, Kristen, Stanat & Kogan, 2016) sollten in Zukunft standardisierte Tests zur Erfassung kognitiver Kompetenzen angewandt werden. Insgesamt betrachtet müssen wir davon ausgehen, dass die Zusammenhänge in Studie 1 leicht unterschätzt werden.
Weitere Limitationen dieser Studie betreffen die Stichprobenzusammensetzung. Es wurden ausschließlich volljährige Schülerinnen und Schüler aus Berliner Gymnasien untersucht. Diese Stichprobenzusammensetzung kann sowohl die Generalisierbarkeit als auch die Varianz einschränken und sollte bei der Interpretation der Ergebnisse berücksichtigt werden.
Die Erhebung der allgemeinen Bildschirmzeit ist ein brauchbares Maß für die Schätzung möglicher Auswirkungen von Bildschirmnutzung auf Schulleistungen. Aus vergangenen Studien ging jedoch hervor (Lei, 2010; Pfeiffer, Mößl, Kleimann & Rehbein, 2007; Razel, 2001), dass eine differenzierte Betrachtung des Bildschirminhalts zu valideren Ergebnissen führt. So hatten lediglich lernhinderliche Inhalte einen negativen Einfluss auf die Schulleistungen (Anderson, Huston, Schmitt, Linebarger & Wright, 2001; Mößle, Bleckmann, Rehbein & Pfeiffer, 2012). In Studie 2 wollen wir mögliche Effekte lernhinderlicher und -förderlicher Bildschirmnutzung unterscheiden. Zudem sollen weitere Variablen zur Vorhersage kognitiver Kompetenzen herangezogen werden, um den Einfluss des Bildschirmkonsums in einem größeren Zusammenhang betrachten zu können.
Überblick und Ziele der zweiten Studie
In der zweiten Studie wird ein größerer Datensatz aus der PISA-Studie 2015 reanalysiert. PISA führt objektive Leistungstests durch anstelle von Selbsteinschätzungen der Schulleistungen und garantiert demnach höhere Übereinstimmungen mit kognitiven Kompetenzen. Da die Aufgaben bei den PISA-Erhebungen alltagsnahen Denkaufgaben sehr ähnlich sind, sollen die Ergebnisse aus den Lese-, Mathematik- und Naturwissenschaftstests zusammengefasst und als kognitive Kompetenz bezeichnet werden (Rindermann & Baumeister, 2015).
Die PISA-Studien erheben seit mehreren Jahren die Nutzung digitaler Medien. Es ist nicht auszuschließen, dass eine lernförderliche Nutzung positive Wirkungen nach sich zieht (Anderson et al., 2001; Hu et al., 2020, Lei, 2010; Wallner-Paschon et al., 2018). Wird nach passivem (lernhinderlich, wie bspw. Fernsehen) und aktivem (lernförderlich, wie bspw. aktives Lernen am Computer) Bildschirmkonsum unterschieden, zeigen sich unterschiedliche Auswirkungen auf die kognitive Entwicklung und auf die Fähigkeiten in den Bereichen Mathematik, Sprache und Naturwissenschaften von Kindern (Hu et al., 2020). Entlang der vergangenen Studienergebnisse gehen wir von einem Unterschied zwischen lernhinderlicher und lernförderlicher Bildschirmnutzung aus und formulieren die Hypothesen wie folgt:
(H1) Der lernhinderliche Bildschirmkonsum sagt eher schlechte Ergebnisse in den Tests zu kognitiven Kompetenzen vorher.
(H2) Der lernförderliche Bildschirmkonsum sagt eher gute Ergebnisse in den Tests zu kognitiven Kompetenzen vorher.
Zudem werden weitere Prädiktoren zur Vorhersage kognitiver Kompetenzen herangezogen. Dies hat den Vorteil, den Einfluss in einem größeren Gesamtzusammenhang betrachten zu können. Einige Autoren und Autorinnen betonen, dass es nicht der Bildschirmkonsum selbst sei, der sich negativ auf die Schulleistungen auswirkt, sondern andere damit verbundene Faktoren (Munasib & Bhattacharya, 2010; Paulichet al., 2021; Rindermann & Ceci, 2018), wie bspw. die familiäre Unterstützung, das Verhalten der Lehrperson sowie personenbezogene Merkmale wie die Leistungsmotivation (Brunstein & Heckhausen, 2018) und Selbstwirksamkeit (Mößle et al., 2012; Pfeiffer et al., 2007).
In Anlehnung an das empirische Modell von Mößle und Kollegen (2012) ziehen wir zusätzliche Faktoren zur Vorhersage kognitiver Kompetenzen heran.
- 1.Bedingungen der familiären Umgebung: die Unterstützung der Eltern ( Helmke, Schrader & Hosenfeld, 2004 ; Mößle et al., 2012 ), Familiärer Wohlstand und Bildungsressourcen zu Hause (DeBaz, 1994; Rindermann & Ceci, 2018).
- 2.Bedingungen der schulischen Umgebung: Fairness der Lehrenden im Unterricht und das Klassenklima (Tiedemann & Billmann-Mahecha, 2004).
- 3.Personenbezogene Variablen wie Leistungsmotivation (Brunstein & Heckhausen, 2018; Rindermann & Neubauer, 2001), Selbstwirksamkeit (Multon, Brown & Lent, 1991) und Wohlbefinden an der Schule (Chu, Saucier & Hafner, 2010).
Wir gehen hierbei von der folgenden Hypothese aus:
(H3) Die lernhinderliche Bildschirmnutzung ist ähnlich gut zur Vorhersage kognitiver Kompetenzen geeignet wie familiäre, schulische und personenbezogene Bedingungen.
Methode (Studie 2)
Zur Untersuchung der Forschungsfragen wurden die Daten der OECD des „Programme for International Student Assessment“ (PISA) genutzt. PISA misst Lesen, Mathematik und Naturwissenschaften. Weiterhin werden Informationen über Herkunft, das Umfeld der Schülerinnen und Schüler, Einstellungen, Lern- und Freizeitaktivitäten sowie Erfahrungen in Schule und Unterricht erhoben. 2015 fand die Datenerhebung erstmals vollständig am Computer statt. In die Auswertung der vorliegenden Untersuchung werden ausschließlich die Daten der Deutschen Stichprobe einbezogen. In Deutschland nahmen insgesamt N = 6504 Fünfzehnjährige in allen Formen allgemeinbildender Schulen (Gymnasium, Realschule, integrierte Gesamtschule, Berufsschule und Hauptschule) der Sekundarstufe I sowie an beruflichen und Förderschulen (insgesamt 253 Schulen) teil. Die Bearbeitung der Leistungstestaufgaben geht über zweimal 60 Minuten. Nach einer viertelstündigen Pause folgte der Schülerfragebogen, dessen Ausfüllen durchschnittlich eine halbe Stunde beansprucht. Neben den Aufgaben und Fragebögen an die Schüler*innen wurde ein Fragebogen an deren Eltern ausgeteilt. In diesem Fragebogen werden Aspekte zur Familie erfasst, zur Schule des Kindes sowie zu Ansichten über naturwissenschaftliche Fragestellungen (siehe Skalenhandbuch: Mang, Ustjanzew, Leßke, Schiepe-Tiska & Reiss, 2019).
Messung des lernförderlichen und lernhinderlichen Bildschirmkonsums
In den PISA-Untersuchungen werden Variablen zum Bildschirmkonsum außerhalb der Schule erhoben („IKT-Vertrautheit-Fragebogen“, IKT = Informations- und Kommunikationstechnologie). Es wurden Items zu lernförderlichen oder lernhinderlichen Verhaltensweisen am Bildschirm inhaltlich zugeordnet. Ein Verhalten am Bildschirm gilt nach unserer Definition dann als lernhinderlich, wenn Bildschirme ausschließlich zu unterhaltenden Zwecken genutzt und Lernprozesse vernachlässigt werden. Lernförderlich ist der Konsum dann, wenn Bildschirme zur Erklärung von Inhalten genutzt werden und offensichtlich das eigene Denken angeregt wird.
Zur Erfassung des lernhinderlichen Bildschirmkonsums wurden 10 Items aus der Variablen „entuse“ (Bildschirmkonsum außerhalb der Schule für Freizeitaktivitäten) zu einem Mittelwert zusammengefasst. Diese Variable beinhaltet, in wie weit die Jugendlichen Bildschirme nutzen, um nach der Schule Spiele zu spielen, zu chatten, E-Mails zu beantworten, Musik oder Filme herunterzuladen, Inhalte mit Freunden zu teilen, lustige Videos im Internet anzuschauen oder neue Apps auszuprobieren.
Das lernförderliche Verhalten wurde mithilfe von zwei Items zusammengefasst. Diese beinhalten, wie oft Bildschirme dafür genutzt werden, Nachrichten zu lesen oder sich Informationen anzueignen, bspw. mit Lehrvideos. Die Personen wurden gefragt, wie häufig sie von 1 (= nie oder fast nie) bis 5 (= jeden Tag) den Bildschirm für den jeweiligen Zweck nutzen.
Messung der kognitiven Kompetenzen
Den Jugendlichen wurden Aufgaben aus den Bereichen Lesen, Mathematik und Naturwissenschaften gestellt, um die kognitiven Kompetenzen möglichst objektiv zu erfassen. Aus den Testergebnissen in den drei Bereichen wurde ein Faktor gebildet. Die Werte reichen von 100 bis 1000, wobei höhere Werte höhere kognitive Kompetenzen repräsentieren.
Messung von weiteren relevanten Variablen
Neben den bereits genannten Variablen, wurden solche Variablen fokussiert, die einen möglichen Einfluss auf kognitive Kompetenzen haben. Die ausgewählten Variablen stammen aus dem Schüler- oder aus dem Elternfragebogen. Folgende Variablen stellt PISA bereit und wurden ausgesucht (siehe Tabelle 1): Leistungsmotivation, Selbstwirksamkeit, Zugehörigkeitsgefühl zur Schule, Klassenklima, die durch die Jugendlichen wahrgenommene Fairness der Lehrenden, Bildungsressourcen zu Hause, Familiärer Wohlstand, elterliche emotionale Unterstützung, Unterstützung der Eltern zu Hause für das Lernen (Elternsicht), Bildungsaktivitäten des Kindes im Alter von 10 Jahren (Elternsicht).
Ergebnisse (Studie 2)
Aus Tabelle 2 kann entnommen werden, dass die interne Reliabilität bei allen Prädiktoren ausreichend bis gut ist. Am höchsten korrelieren die beiden Arten des Bildschirmkonsums miteinander (r = .52). Die zugänglichen Bildungsressourcen korrelieren positiv mit dem familiären Wohlstand (r = .25) und der emotionalen Unterstützung durch die Eltern (r = .24).
Prüfung der Hypothesen
Die Hypothesen aus Studie 2 wurden mithilfe einer multiplen Regression geprüft (Tabelle 3). Der lernhinderliche Bildschirmkonsum sagt die kognitive Kompetenz am ehesten (negativ) vorher (β = –.22), dicht gefolgt von der Selbstwirksamkeit (positiv, β = .21). Der lernförderliche Bildschirmkonsum sagt eine leicht erhöhte kognitive Kompetenz vorher. Weitere Prädiktoren, die sich in vergangenen Arbeiten bewährt haben, scheinen nicht sonderlich ins Gewicht zu fallen, wie die Disziplin im Klassenzimmer (β = .14) oder Bildungsressourcen, die zu Hause zur Verfügung stehen (β = .12). Elterliche emotionale Unterstützung (β = –.10) und die elterliche Unterstützung zu Hause zu lernen (β = –.15) sagen schlechtere kognitive Kompetenzen der Jugendlichen vorher. Durch das Modell können 21.2% der kognitiven Kompetenz aufgeklärt werden.
Diskussion (Studie 2)
Mit steigender lernhinderlicher Bildschirmnutzung sinken kognitive Kompetenzen (H1; β = –.22). Um jede Einheit, mit welcher der lernhinderliche Bildschirmkonsum steigt (von 1 bis 5), verringert sich die kognitive Kompetenz (M = 500, SD = 100) um etwa 21 Punkte. Die zweite Hypothese, wonach sich der lernförderliche Bildschirmkonsum positiv auf die kognitiven Kompetenzen auswirkt, lässt sich durch den sehr kleinen Effekt (β = .08) nur schwach bestätigen. Lernförderlicher Bildschirmkonsum wirkt zwar nicht negativ, unterstützt die Entwicklung kognitiver Kompetenzen aber auch nur wenig. Die Ergebnisse lehnen sich tendenziell an bisherige Forschungsarbeiten an (Hu et al., 2020). Neben der Bildschirmnutzung ist die Selbstwirksamkeit zur Vorhersage der kognitiven Kompetenz geeignet (β = .21). Darauf folgen weitaus kleinere Effekte wie bspw. die des Klassenklimas oder auch der Bildungsressourcen, des Verhaltens der Lehrpersonen, der Leistungsmotivation der Jugendlichen oder ihrer Einstellung gegenüber der Schule. Überraschend waren die negativen Effekte der elterlichen emotionalen Unterstützung (β = –.10), die durch die Jugendlichen selbst eingeschätzt wurde, sowie die elterliche Unterstützung, zu Hause zu lernen (β = –.15, Elternangabe). Die Ergebnisse können inhaltlich so interpretiert werden, als dass sie in die andere Richtung wirken: Jugendliche mit schwächeren Schulleistungen und geringeren Kompetenzen benötigen mehr Unterstützung durch die Eltern.
Limitationen (Studie 2)
Aufgrund des in PISA verwendeten Querschnitt-Designs können wir nicht eindeutig sagen, in welche Richtung die gewonnenen Regressionskoeffizienten zu interpretieren sind. Bei der Unterstützung durch die Eltern waren erste Anzeichen für die Problematik zu erkennen: Der negative Zusammenhang ist vermutlich nicht auf beeinträchtigende Effekte von Unterstützung, sondern auf schwache Leistung als Auslöser für elterliche Unterstützung der Kinder zurückzuführen. Möglicherweise wirkt tatsächlich nicht die Bildschirmnutzung negativ auf die kognitive Kompetenz, sondern Jugendliche mit schlechteren Leistungen neigen eher dazu, lernhinderliche Medien zu konsumieren. Wir empfehlen für zukünftige Studien das längsschnittliche Design, oder auch experimentelle Designs, um die Bildschirmnutzung als kausalen Faktor zu bestimmen (siehe Paulich et al., 2021 und unten).
Lohnenswert scheint es, weiterhin zwischen lernförderlicher und lernhinderlicher Bildschirmnutzung zu unterscheiden. Mößle und Kollegen (2012) konnten zudem zeigen, dass sich die Differenzierung der lernhinderlichen Nutzung lohnt, indem gesondert die Aneignung von Gewaltinhalten untersucht wird. Gerade dies scheint in manchen Lebensphasen zu einer kognitiven und emotionalen Überforderung der Kinder zu führen. Die Bildschirmnutzung in der Schule ist in der vorliegenden Studie unberücksichtigt geblieben.
Verwunderlich ist die geringe Varianzaufklärung der kognitiven Kompetenz durch die Prädiktoren in unserem Regressionsmodell. Wir vermuten, dass die Hinzuziehung weiterer relevanter Variablen aufschlussreich sein könnte. Lohnenswert zu betrachten wären bspw. die Konzentrationsfähigkeit der Lernenden (Zusammenhang zwischen Konzentration und Leistung r = .29, Datta & Narayanan, 1989) oder die bildungsrelevanten Interessen der Eltern (Rindermann & Ceci, 2018).
Erneut stellt sich die Frage, wie weit die Personen selbst ihr Bildschirmverhalten einschätzen können. Gerade bei der lernhinderlichen Nutzung scheint die Zeit zu verfliegen (vgl. Spitzer, 2018a). Vielleicht können Eltern und Lehrende präzisere Aussagen über den Bildschirmkonsum der Jugendlichen treffen als diese selbst (Wartberg et al., 2019). Zudem scheint das Antwortformat nach PISA wenig differenziert zu sein: „täglich“ ist die höchste Antwortkategorie. Aktuellen Statistiken zufolge werden digitale Geräte in 95% der Fälle täglich benutzt und dies mehrere Stunden (bspw. Eales et al., 2021). Zukünftige Studien sollten genauere Aussagen darüber treffen, wie viel Zeit täglich zu den schädlichen Auswirkungen führt.
In anderen Studien finden sich recht hohe Zusammenhänge mit anderen Kriterien als mit jenen der Schulleistungen. Sehr stark korrelieren Dauer der Bildschirmnutzung und gesundheitsrelevante Variablen miteinander, wie Rauchen, Übergewicht und Alkoholismus (Nunez-Smith et al., 2010). Auch dies sollte in zukünftigen Studien mit Jugendlichen weiter untersucht werden.
Gemeinsame Diskussion
Die vorliegende Arbeit kann negative Zusammenhänge zwischen Bildschirmnutzung und kognitiven Kompetenzen von Kindern und Jugendlichen aus vergangenen Studien auch für den deutschsprachigen Raum bestätigen.
Ob nun der Bildschirmkonsum selbst tatsächlich ein kausaler Faktor für eine beeinträchtigte Entwicklung kognitiver Kompetenzen ist (Paulich et al., 2021), geht aus den vorliegenden Daten nicht direkt hervor. Wir verweisen hier auf einige Experimente, welche die Ergebnisse bestätigen. So zeigte sich, dass Video-Spiele das Konzentrationsvermögen verringern und Personen leichter abgelenkt sind, wenn sie am Bildschirm sitzen (vgl. Spitzer, 2012). Weitere Experimente verdeutlichen, dass Personen über das Medium Bildschirm weniger gut lernen können als über das Medium Papier (Ackerman & Goldsmith, 2011; Kruikemeier, Lecheler & Boyer, 2017). Auch theoretisch können wir die Annahme untermauern, dass die Bildschirmnutzung in erster Linie auf kognitive Kompetenzen wirkt – und nicht andersrum. Schittenhelm und Kollegen (2010) zeigten, dass die verringerte Konzentrationsfähigkeit, ausgelöst durch Bildschirmnutzung, zu schlechten Leistungen führt. Auch werden Kinder, die besonders viel Fernsehen schauen und dabei häufig das Programm wechseln („Zapping“), von außen als unaufmerksam beurteilt (Schittenhelm et al., 2010). Professor Manfred Spitzer warnt schon seit Jahren vor den Auswirkungen, die Bildschirme auf die Entwicklung kognitiver Kompetenzen haben und gibt Ratschläge für Eltern und Schulen im Umgang mit digitalen Medien (vgl. Spitzer, 2012, 2018a). Die Ergebnisse der vorliegenden Arbeit (Studie 2) lassen sich mit der Theorie in Einklang bringen, dass der Bildschirmkonsum selbst dann einen direkten Einfluss auf die kognitiven Kompetenzen hat, selbst dann, wenn andere Variablen mit hinzugezogen werden. Auch konnte in der ersten Studie ein mittelhoher Zusammenhang zwischen Bildschirmkonsum im Alter von 5 Jahren und sprachbezogenen Schulleistungen festgestellt werden. Der derzeitige Bildschirmkonsum wirkt hingegen auf Mathematik und Deutsch, vermutlich die Fächer, welche die höchsten kognitiven Fähigkeiten beanspruchen. Die Leistung im Fach Sport wird kaum eingeschränkt. Unsere Ergebnisse lehnen sich somit an die Ergebnisse vergangener Forschungsarbeiten aus anderen Länder zu den Auswirkungen von kindlichen Bildschirmkonsum an (bspw. Cerniglia et al., 2020; Mundy et al., 2020).
Relevanz für die Praxis
Bildschirme sind in der heutigen Zeit nicht mehr wegzudenken: Nahezu jeder besitzt ein eigenes Smartphone, einen Laptop oder ein Tablet und auch der Fernseher wird in vielen Haushalten noch täglich angeschaltet. Immer mehr Schulen rüsten sich mit Whiteboards und neuwertigen Computern auf. Die Ergebnisse der vorliegenden Studie deuten darauf hin, dass die Zusammenhänge mit dem Bildschirmkonsum noch höher sind als bei anderen wünschenswerten Faktoren, wie die Leistungsmotivation oder die Selbstwirksamkeit. Es folgt jedoch auch, dass die Nutzung von Bildschirmen gezielt erfolgen sollte, sodass die Bildschirme für lernförderliche Zwecke gebraucht werden können. Eine Metaanalyse zeigte, dass Computer in der Schule für die Verteilung von Rückmeldungen sehr gut verwendet werden können (d = 0.80, Azevedo & Bernard, 1995). Zuhause sollte der Umgang mit Bildschirmen von Eltern und größeren Geschwistern reflektiert werden. Gerade die Eltern nutzen Bildschirme im Durchschnitt über neun Stunden täglich (Spitzer, 2018b). Die Nutzung im außerschulischen Kontext lässt kaum bis keine positiven Konsequenzen vermuten. Spitzer (2018b) stellte fest: Kinder übernehmen das Bildschirm-Verhalten ihrer Eltern und sind nicht dazu imstande, die Bildschirmmedien nach Inhalt zu selektieren. Zudem stellt sich auch die Frage, wie weit die Kinder des digitalen Zeitalters noch etwas Anderes mit sich anzufangen wissen als sich mit Bildschirminhalten zu beschäftigen, wenn sie damit nicht nur in der Schule, sondern auch zu Hause konfrontiert werden. Gerade im Vorschulalter hat die Bildschirmnutzung auch für spätere Kompetenzen Einfluss und sollte besonders kritisch betrachtet werden. Angebote für Kinder und Jugendliche sind von Nöten, um ihnen eine entsprechende Orientierungsmöglichkeit zu liefern, wie bspw. Sportangebote, Entspannungsübungen, Bücherclubs, spielerische Programme zur Förderung von praktischen und kognitiven sowie sozialen und emotionalen Kompetenzen (Durlak, Weissberg, Dymnicki, Taylor & Schellinger, 2011). Etwas ältere Programme im Rahmen der Outdoorpädagogik erzielen stabile Lernerfolge (d = 0.49, Laidlaw, 2000). Kommende Interventionen sollten nicht nur auf Seiten des Kindes ansetzen, um deren Lernleistung zu steigern, sondern auch auf Seiten ihrer Eltern. Es zeigte sich, dass Elternunterstützung mittlere bis hohe Effekte auf die Lernleistung ihrer Kinder hat (d = 0.52, Fan & Chen, 2001 oder d = 0.70, Earhart, Ramirez, Carlson & Beretvas 2006).
Empfehlungen für kommende Studien
Längsschnittstudien können im Vergleich zu Querschnittstudien aussagekräftigere Ergebnisse über die Wirkrichtung liefern. Bei der Analyse kreuzverzögerter Effekte ist die Wirkrichtung eindeutig interpretierbar und Aussagen über die voraussichtliche Entwicklung können vorgenommen werden. Außerdem sollte die Nutzung von Bildschirmen zukünftig differenziert betrachtet werden: Die Unterscheidung zwischen einer lernförderlichen versus lernhinderlichen Bildschirmnutzung ist lohnenswert. Auch sollte der Bildschirmkonsum nicht nur von den Kindern und Jugendlichen selbst, sondern auch extern eingeschätzt werden und dies unter Angabe der konkreten Zeit und der Inhalte. Zudem sollten kognitive Kompetenzen nicht nur fächerspezifisch erfasst werden, sondern auch möglichst objektiv durch die Durchführung von Kompetenztests.
Dr. Avelina Lovis-Schmidt, Fakultät der Psychologie, Technische Universität Chemnitz, Wilhelm-Raabe-Str. 43, 09107 Chemnitz, Deutschland avelina-lovis.
Literatur
(2011). Metacognitive regulation of text learning: On screen versus on paper. Journal of Experimental Psychology: Applied, 17 (1), 18–32. https://doi.org/10.1037/a0022086
(1998). Kinderfernsehen und Schulleistung. Televizion, 11 , 21–24.
(2001). Early childhood television viewing and adolescent behavior. Monographs of the Society for Research in Child Development, 66 (1), 1–147. https://doi.org/10.1111/1540-5834.00120
(1995). A meta-analysis of the effects of feedback in computer-based instruction. Journal of Educational Computing Research, 13 (2), 111–127. https://doi.org/10.2190/9LMD-3U28-3A0G-FTQT
(2018).
Leistungsmotivation . In J. Heckhausen H. Heckhausen Hrsg., Motivation und Handeln (S.163–214). Berlin: Springer. https://doi.org/10.1007/978-3-662-53927-9_6(2020). What are the effects of screen time on emotion regulation and academic achievements? A three-wave longitudinal study on children from 4 to 8 years of age. Journal of Early Childhood Research, 19(2), 145–160. https://doi.org/10.1177/1476718x20969846
(2009). The effects of infant media usage: what do we know and what should we learn? Acta Paediatrica, 98 (1), 8–16. https://doi.org/10.1111/j.1651-2227.2008.01027.x
(2010). Meta-analysis of the relationships between social support and well-being in children and adolescents. Journal of Social and Clinical Psychology, 29 (6), 624–645. https://doi.org/10.1521/jscp.2010.29.6.624
(2013). Physical activity and sedentary behavior during the early years in Canada. International Journal of Behavioral Nutrition and Physical Activity, 10 , 1–9. https://doi.org/10.1186/1479-5868-10-54
(1989). A meta-analytic review of the concentration-performance relationship. Journal of Management, 15 (3), 469–483. https://doi.org/10.1177/014920638901500309
(1994). A meta-analysis of the relationship between students' characteristics and achievement and attitudes toward science. Unpublished Ph.D., Ohio State University, United States.
(2011). The impact of enhancing students’ social and emotional learning: A meta-analysis of school-based universal interventions. Child Development, 82 (1), 405–432. https://doi.org/10.1111/j.1467-8624.2010.01564.x
(2021). Children's screen and problematic media use in the United States before and during the COVID-19 pandemic. Child Development, 92 (5). 866–882. https://doi.org/10.1111/cdev.13652
(2006, August). Meta-analysis of parent-component interventions targeting academic achievement. Paper presented at the American Psychological Association 114th Annual Convention, New Orleans, LA.
(2001). Parental involvement and students' academic achievement: A meta-analysis. Journal of Educational Psychology Review, 13 , 1–22. https://doi.org/1040-726X/01/0300-0001$19.50/0
(2004). Elterliche Unterstützung und Schulleistungen ihrer Kinder. Bildung und Erziehung, 57 (3), 251–277.
(2017). Brain connectivity in children is increased by the time they spend reading books and decreased by the length of exposure to screen-based media. Acta Paediatrica, 107 (4), 685–693. https://doi.org/10.1111/apa.14176
(2020). Relationship between screen time and chinese children's cognitive and social development. Journal of Research in Childhood Education, 34 (2), 183–207. https://doi.org/10.1080/02568543.2019.1702600
(2019). Associations between screen-based media use and brain white matter integrity in preschool-aged children. JAMA Pediatrics, 174 (1), e193869. https://doi.org/10.1001/jamapediatrics.2019.3869
(2018). The effects of mobile phone use on academic performance: A meta-analysis. Computers and Education, 127 , 107–112. https://doi.org/10.1016/j.compedu.2018.08.012
(2019). Screen time in under-five children. Indian Pediatrics, 56 (9), 773–788. https://doi.org/10.1007/s13312-019-1638-8
(2021). Extracurricular activities, screen media activity, and sleep may be modifiable factors related to children's cognitive functioning: Evidence from the ABCD Study. Child Development, 92 (5), 2035–2052. https://doi.org/10.1111/cdev.13578
(2017). Learning from news on different media platforms: An eye-tracking experiment. Political Communication, 35 (1), 75–96. https://doi.org/10.1080/10584609.2017.1388310
(2005). The validity of self-reported grade point averages, class ranks and test scores: A meta-analysis and review of the literature. Review of Educational Research, 75 (1), 63–82. https://doi.org/10.3102/00346543075001063
(2000). A meta-analysis of outdoor education programs. Unpublished Ph.D., University of Northern Colorado.
(2010). Quantity versus quality: A new approach to examine the relationship between technology use and student outcomes. British Journal of Educational Technology, 41 (3), 455–472. https://doi.org/10.1111/j.1467-8535.2009.00961.x
(2016). Stereotype bei Lehrkräften? Eine Untersuchung systematisch verzerrter Lehrererwartungen. Kölner Zeitschrift für Soziologie und Sozialpsychologie, 68 (1), 89–111. https://doi.org/10.1007/s11577-015-0352-3
(2019). PISA 2015 Skalenhandbuch: Dokumentation der Erhebungsinstrumente. Münster: Waxmann.
(2018). Active on Facebook and failing at school? Meta-analytic findings on the relationship between online social networking activities and academic achievement. Educational Psychology Review, 30 (3), 651–677. https://doi.org/10.1007/s10648-017-9430-6
(2004). Relationships between media use, body fatness and physical activity in children and youth: A meta-analysis. International Journal of Obesity, 28 , 1238–1246. https://doi.org/10.1038/sj.ijo.0802706
(2012).
Der Einfluss der Medien auf die Schulleistung . In C. Möller Hrsg.. Internet- und Computersucht. Ein Praxishandbuch für Therapeuten, Pädagogen und Eltern (S.68–76). Stuttgart: Kohlhammer.(2013). Predictors of problematic video game usage in childhood and adolescence. Sucht, 59 , 153–164. https://doi.org/10.1024/0939-5911.a000247
(1991). Relation of self-efficacy beliefs to academic outcomes: A meta-analytic investigation. Journal of Counseling Psychology, 38 (1), 30–38.
(2010). Is the ‘Idiot's Box’ raising idiocy? Early and middle childhood television watching and child cognitive outcome. Economics of Education Review, 29 (5), 873–883. https://doi.org/10.1016/j.econedurev.2010.03.005
(2020). Electronic media use and academic performance in late childhood: A longitudinal study. PLOS ONE, 15 (9), e0237908. https://doi.org/10.1371/journal.pone.0237908
(2010). Media exposure and tobacco, illicit drugs, and alcohol use among children and adolescents. Substance Abuse, 31 (3), 174–192. https://doi.org/10.1080/08897077.2010.495648
(2010). Prospective association between early childhood television exposure and academic, psychosocial, and physical well-being by middle childhood. Archives of Pediatrics & Adolescent Medicine, 164 (5), 425–431. https://doi.org/10.1001/archpediatrics.2010.50
(2021). Exploring the impact of COVID-19 on the movement behaviors of children and youth: A scoping review of evidence after the first year. Journal of Sport and Health Science, 10 (6), 675–689. https://doi.org/10.1016/j.jshs.2021.07.001
(2021). Screen time and early adolescent mental health, academic, and social outcomes in 9- and 10- year old children: Utilizing the Adolescent Brain Cognitive Development (ABCD) Study. PLOS ONE, 16 (9), e0256591. https://doi.org/10.1371/journal.pone.0256591
(2019). Screen media activity and brain structure in youth: Evidence for diverse structural correlation networks from the ABCD study. NeuroImage, 185 , 140–153. https://doi.org/10.1016/j.neuroimage.2018.10.040
(2007). Die PISA-Verlierer: Opfer ihres Medienkonsums. Hannover: Kriminologisches Forschungsinstitut Niedersachsen.
(2001). The complex model of television viewing and educational achievement. The Journal of Educational Research, 94 , 371–379. https://doi.org/10.1080/00220670109598774
(2015). Validating the interpretations of PISA and TIMSS tasks: A rating study. International Journal of Testing, 15 , 1–22.
(2018). Parents' education is more important than their wealth in shaping their children's intelligence, Journal for the Education of the Gifted, 41, 298 – 326.
(2001). The influence of personality on three aspects of cognitive performance: Processing speed, intelligence and school performance. Personality and Individual Differences, 30 , 829–842.
(2010). Aufmerksamkeit als Mediator der Beziehung zwischen Fernsehverhalten und Schulleistung. Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie, 42 , 154–166. https://doi.org/10.1026/0049-8637/a000016
(2020). Physical activity and screen time of children and adolescents before and during the COVID-19 lockdown in Germany. Scientific Reports, 10 (1). https://doi.org/10.1038/s41598-020-78438-4
(2012). Digitale Demenz. München: Droemer Knaur.
(2018a). Die Smartphone-Epidemie: Gefahren für Gesundheit, Bildung und Gesellschaft. Stuttgart: Klett-Cotta.
(2018b). Eltern und Smartphones. Nervenheilkunde, 37 , 469–477.
(2020). Screen-time influences children's mental imagery performance. Developmental Science, 23 (6), e12978. https://doi.org/10.1111/desc.12978
(2004). Kontextfaktoren der Schulleistung im Grundschulalter. Zeitschrift für Pädagogische Psychologie, 18 (2), 113–124. https://doi.org/10.1024/1010-0652.18.2.113
(2016). Canadian 24-hour movement guidelines for children and youth. Applied Physiology, Nutrition, and Metabolism, 41 , 311–27. https://doi.org/10.1139/apnm-2016-0151.
(2017). Decreases in self-reported sleep duration among U.S. adolescents 2009–2015 and association with new media screen time. Sleep Medicine, 39 , 47–53. https://doi.org/10.1016/j.sleep.2017.08.013
(2018). Extreme Internetnutzung zu Hause und Schülerkompetenzen. Zeitschrift für Bildungsforschung, 8 (2), 189–209. https://doi.org/10.1007/s35834-018-0213-z
(2020). Associations between duration and type of electronic screen use and cognition in US children. Computers in Human Behavior, 108 , 106312. https://doi.org/10.1016/j.chb.2020.106312
(2019). Accordance of adolescent and parental ratings of internet gaming disorder and their associations with psychosocial aspects. Cyberpsychology, Behavior, and Social Networking, 22 (4), 264–270. https://doi.org/10.1089/cyber.2018.0456
