Published February 26, 2026 | https://doi.org/10.59350/6hb3n-r1528

3, 5 oder doch 10 Stunden?

Creators & Contributors

Feature image

Die optimale Lerndauer – klüger lernen statt einfach nur büffeln

Der 10-Stunden-Mythos

r = 0,07. Statistisch nicht signifikant, praktisch bei null. So stark (oder besser: so schwach) hängen tägliche Lernstunden mit dem amerikanischen Physikum (United States Medical Licensing Examination [USMLE] Step 1) zusammen (Guilbault et al., 2020). Trotzdem hält sich in der medizinischen Lernkultur hartnäckig die Überzeugung, dass 10 Stunden am Tag das Minimum seien. Die Datenlage spricht aber eindeutig dagegen.
In einer großangelegten Metaanalyse zu Lerngewohnheiten, -fertigkeiten und -einstellungen (N > 70.000 über alle Konstrukte) untersuchten Credé und Kuncel (2008) auch den spezifischen Zusammenhang zwischen Lernzeit und Studienleistung. Diese Sub-Analyse von 17.242 Studierende ergab lediglich Korrelationen von r = 0,15 bis 0,19 – und für die Leistung in Einzelkursen sogar nur r = 0,01. Lernmotivation (r = 0,30) und Lernfertigkeiten (r = 0,33) hingen dagegen deutlich stärker mit der akademischen Leistung zusammen (Credé & Kuncel, 2008).

Warum das Gehirn irgendwann dichtmacht

Was passiert neurobiologisch, wenn wir den Kopf stundenlang anstrengen? Wiehler et al. untersuchten das 2022 am Paris Brain Institute mittels Magnetresonanzspektroskopie. Nach einem rund 6-stündigen Arbeitstag mit anspruchsvollen kognitiven Aufgaben hatten die Proband*innen messbar mehr Glutamat im lateralen präfrontalen Cortex angesammelt. Also genau in jener Hirnregion, die für kognitive Kontrolle, Entscheidungsfindung und anstrengendes Lernen zuständig ist. Parallel dazu trafen die Proband*innen eine signifikante Präferenzverschiebung hin zu kurzfristigen, weniger anstrengenden Optionen – ein Muster, das als erhöhte Impulsivität in ökonomischen Entscheidungen interpretiert werden kann (Wiehler et al., 2022). Die Autor*innen ziehen eine Parallele zu professionellen Schachspieler*innen, die nach 4–5 Stunden Spiel Fehler machen, die ihnen ausgeruht nicht unterlaufen. Es handelt sich also nicht um bloße Müdigkeit – es ist eine messbare neurometabolische Veränderung, die genau jene Hirnfunktionen beeinträchtigt, die Studierende am meisten benötigen.

Ericssons berühmte Experten-Studie von 1993 an Eliteviolinist*innen der Berliner Musikhochschule passt dazu: Die besten Musiker*innen übten im Schnitt 3,5 Stunden pro Tag, aufgeteilt in Einheiten von durchschnittlich rund 80 Minuten (Ericsson et al., 1993). Ericsson und Kolleg*innen fassten den damaligen Forschungsstand zusammen und berichteten, es gebe 'im Wesentlichen keinen Nutzen bei Dauern über 4 Stunden pro Tag und einen reduzierten Nutzen bei Übungszeiten über 2 Stunden'. Die Übungspraxis der Eliteviolinist*innen selbst war mit 3,5 Stunden pro Tag konsistent mit dieser Obergrenze. Eine weitere Beobachtungsstudie an der Medizinischen Universität Wien (49 Studierende, 411 Tagesberichte) zeigte außerdem, dass die Müdigkeit nach mehr als vier Stunden täglichem Lernen signifikant zunahm. Distress stieg sogar bereits ab ein bis zwei Stunden (Blasche et al., 2023).

Prüfungserfolg in der Medizin: Was wirklich zählt

Was sagt Prüfungserfolg beim USMLE vorher? Nicht die Lernstunden. Guilbault et al. (2020) fanden neben der bereits genannten Korrelation von r = 0,07 für Lernstunden, dass vorklinische Noten (r = 0,58) und NBME-Übungsexamina (r = 0,65) die mit Abstand stärksten Prädiktoren waren (Guilbault et al., 2020).

Und wie sieht es bei den erfolgreichen Lernern aus? Liles, Vuk und Tariq (2018) fanden, dass Medizinstudierende mit überwiegend Bestnoten insgesamt 6–8 Stunden pro Tag außerhalb des Unterrichts lernten (nicht 10–12). Dieser Zeitrahmen umfasst das gesamte Spektrum des Selbststudiums – Vorlesungsnachbereitung, Lesen und Übungsaufgaben (Liles et al., 2018) – und ist somit breiter gefasst als die 3–4 Stunden intensiver, fokussierter Lernarbeit, die Ericsson et al. (1993) und Blasche et al. (2023) als kognitive Obergrenze identifizieren. Entscheidend: Mehr als 8 Stunden waren nicht mit besseren Leistungen assoziiert. Bin Abdulrahman und Kolleg*innen (2021) befragten 675 Medizinstudierende an sechs saudischen Fakultäten und fanden, dass besonders effektive Studierende 3–4 Stunden pro Tag außerhalb des Unterrichts lernten. Der gemeinsame Nenner unter den Top-Performenden war nicht die Stundenzahl, sondern strategische Ressourcenauswahl, tagesgleiche Wiederholung und aktive Lerntechniken (Bin Abdulrahman et al., 2021).

Wie Ihr lernt, zählt mehr als wie lange

Der einflussreichste Review zu Lerntechniken – die Landmark-Arbeit von Dunlosky und Kolleg*innen (2013) in Psychological Science in the Public Interest – evaluierte zehn verbreitete Lernstrategien und bewertete nur zwei mit "hohem Nutzen": Practice Testing (Retrieval Practice) und Distributed Practice (Spacing).
Markieren, Wiederlesen und Zusammenfassen als die Strategien, auf die die meisten Studierenden setzen, wurden mit "geringem Nutzen" eingestuft (Dunlosky et al., 2013). Eine Folge-Metaanalyse von Donoghue und Hattie (2021) über 242 Studien und 169.179 Teilnehmende bestätigte diese Hierarchie mit einer mittleren Gesamteffektstärke von d = 0,56 (Donoghue & Hattie, 2021).

Retrieval Practice (aktives Abrufen) basiert auf einem charmant einfachen Prinzip: Wissen wird besser behalten, wenn man es aktiv aus dem Gedächtnis abruft, statt es passiv erneut zu lesen. Das Gehirn lernt also nicht primär durch Aufnehmen, sondern durch Herausholen. Jeder Abrufversuch stärkt die Gedächtnisspur – selbst wenn der Versuch zunächst scheitert. Dies wird auch Testing Effekt genannt. Konkret heißt das: Karteikarten schlagen Textmarker, und sich selbst abfragen schlägt nochmaliges Durchlesen. Klingt fast zu simpel, um wahr zu sein, funktioniert aber robust.

Spaced Repetition (verteiltes Wiederholen) nutzt die Erkenntnis, dass Vergessen kein Bug, sondern ein Feature ist – zumindest ein nützliches. Lerneinheiten werden über zunehmende Zeitintervalle verteilt, statt alles in einer Marathon-Sitzung zu komprimieren. Der optimale Wiederholungszeitpunkt liegt genau dort, wo man den Stoff gerade zu vergessen beginnt. So wird jede Wiederholung maximal effektiv. Das Gegenteil – das berühmte "Bulimie-Lernen" kurz vor der Prüfung – erzeugt zwar kurzfristig ein trügerisches Kompetenzgefühl, hält aber kaum über die Prüfung hinaus.

Interleaving (verschachteltes Üben) widerspricht der Intuition am stärksten: Statt ein Thema oder einen Aufgabentyp blockweise zu üben, werden verschiedene Themen oder Problemtypen bewusst abwechselnd bearbeitet. Das fühlt sich zunächst anstrengender und ineffizienter an – ein Phänomen, das als desirable difficulty bekannt ist. Der Lerneffekt ist aber nachhaltiger, weil das Gehirn gezwungen wird, bei jedem Wechsel die passende Strategie aktiv auszuwählen, statt sie bloß mechanisch zu wiederholen.

Das Schöne an diesen drei Strategien: Sie lassen sich hervorragend kombinieren und sind für die medizinische Ausbildung besonders relevant – so nutzen Progress Tests im Grunde alle drei Prinzipien gleichzeitig.

Der Testing Effect ist das am besten quantifizierte Prinzip unter den drei Strategien. Er beschreibt das empirische Phänomen zur Lernstrategie der Retrieval Practice. Roediger und Karpickes Studien von 2006 zeigten, dass Studierende, die einen einzigen freien Abruftest absolvierten, nach einer Woche substanziell mehr Informationen behielten als Studierende, die die gleiche Zeit mit Wiederlesen verbrachten – obwohl die Wiederlese-Gruppe sich sicherer fühlte (Roediger & Karpicke, 2006). Metaanalysen von Rowland (2014) und Adesope und Kolleg*innen (2017) bestätigten dies mit Effektstärken von g = 0,50 und g = 0,61 (Adesope et al., 2017; Rowland, 2014). Bei einem Retentionsintervall von 1–6 Tagen zwischen Übungs- und Abschlusstest stieg die Effektstärke sogar auf g = 0,82 (Adesope et al., 2017). Zudem zeigte sich, dass bereits ein einzelner Übungstest signifikante Lernvorteile erbrachte. Das Paradox, wie Deslauriers und Kolleg*innen (2019) in einem kontrollierten Experiment in Harvard zeigten: Studierende lernen mehr durch aktive Methoden, fühlen aber, dass sie weniger lernen – eine metakognitive Illusion, die Studierende zu bequemen, aber ineffektiven Strategien treibt (Deslauriers et al., 2019).

Der Spacing-Effekt – die Verteilung des Lernens über die Zeit statt massiertes Lernen in Einzelsitzungen – gehört zu den am häufigsten replizierten Befunden der gesamten experimentellen Psychologie. Cepeda und Kolleg*innen bestätigten 2006 in einer Metaanalyse über 839 Assessments aus 317 Experimenten, dass verteiltes Lernen dem Pauken konsistent überlegen ist (Cepeda et al., 2006). Ihre Folgestudie von 2008 zeigte, dass optimales Spacing die Erinnerungsleistung um bis zu 150 % verbessern kann, wobei das ideale Intervall etwa 10–20 % des gewünschten Retentionszeitraums beträgt (Cepeda et al., 2008). Für eine Prüfung in einem Monat bedeutet dies: circa wöchentliche Wiederholung; für eine Prüfung in einer Woche: tägliche Wiederholung.

Interleaving – das Mischen verschiedener Themen oder Aufgabentypen innerhalb einer Lernsitzung – bietet zusätzliche Vorteile. Die Metaanalyse von Brunmair und Richter (2019) ergab einen moderaten Gesamteffekt von g = 0,42 zugunsten verschränkten gegenüber geblocktem Üben, wobei der Effekt für visuelle Materialien stärker ausfiel (g = 0,67 für Gemälde) (Brunmair & Richter, 2019). Bjork und Bjork (2020) klassifizieren Interleaving als eine "wünschenswerte Erschwernis" (desirable difficulty), die sich während des Übens schwerer anfühlt, aber nachweislich bessere Langzeitspeicherung produziert (Bjork & Bjork, 2020).

Schlaf ist kein Luxus, sondern Konsolidierungszeit

Im Schlaf passiert mehr, als wir lange dachten. Unter anderem Diekelmann und Born beschrieben 2010, wie das Gehirn nachts aktiv Gelerntes verarbeitet: Im Tiefschlaf werden frische Erinnerungen aus dem Hippocampus abgerufen und in stabilere Speicherregionen der Großhirnrinde verschoben. Im REM-Schlaf werden die Verbindungen zwischen Nervenzellen gefestigt (Diekelmann & Born, 2010). Schlaf wiederholt also gewissermaßen den Lernstoff von allein.
Was passiert, wenn dieser Prozess ausfällt? Newbury et al. fassten die Studienlage in einer Metaanalyse zusammen. Wer eine Nacht durchmacht und dann versucht, Neues zu lernen, speichert deutlich weniger ab (Effektstärke g = 0,62) (Newbury et al., 2021). Okano et al. statteten 88 Studierende ein Semester lang mit Aktivitätsmonitoren aus. Auch hier das Ergebnis: Schlafqualität, -dauer und -regelmäßigkeit erklärten zusammen fast 25 % der Unterschiede in der akademischen Leistung. Dabei spielte der Schlaf in der Nacht direkt vor der Prüfung keine messbare Rolle. Was zählte, war, wie gut und wie regelmäßig die Studierenden in den Wochen davor geschlafen hatten (Okano et al., 2019).
Sogar kurze Pausen tragen zur Verfestigung bei. Buch et al. zeigten 2021, dass das Gehirn in Ruhephasen zwischen Lernblöcken kürzlich Geübtes mit rund 20-facher Geschwindigkeit noch einmal durchspielt. Diese Mini-Konsolidierung in Wachpausen war in ihrer Wirkung etwa viermal so groß wie die klassische Über-Nacht-Konsolidierung (Buch et al., 2021).

Was wir (noch) nicht wissen

Die Befundlage ist konvergent, aber sie hat Lücken. Für den deutschen Kontext fehlen Peer-Review-Studien, die tägliche Lernstunden mit Staatsexamensergebnissen in Beziehung setzen. Wiehler et al. untersuchten nur 40 Proband*innen über einen einzigen Arbeitstag (Wiehler et al., 2022). Und wie Chronotyp, Vorwissen und Lernbiographie die individuelle Obergrenze verschieben, wissen wir noch zu wenig.

Achtung: Potenzielle Missverständnisse

  1. "3–5 Stunden pro Tag reichen immer aus" → Der Blog beschreibt eine Obergrenze tiefer kognitiver Arbeit. Administrative Aufgaben, Vorlesungsbesuch und organisatorische Tätigkeiten kommen hinzu. Die 3–5 Stunden beziehen sich auf intensives, fokussiertes Lernen.
  2. "Lernzeit ist völlig egal" → Die Korrelation ist schwach, aber nicht null. Eine Mindestmenge an Lernzeit ist notwendig. Die Botschaft ist nicht "lernt weniger", sondern "lernt effizienter – und opfert nicht Schlaf und Gesundheit für marginale Zusatzstunden."

Fazit

Über kognitive Psychologie, Neurowissenschaften und medizinische Ausbildungsforschung hinweg konvergiert ein konsistentes Ergebnis: Die Lerndauer zeigt einen erstaunlich schwachen Zusammenhang mit akademischen Leistungen (r = 0,07–0,19), während die Lernstrategie – insbesondere Retrieval Practice und Spaced Repetition – mittlere bis große Effektstärken erzielt (g = 0,50–0,61).

Für Medizinstudierende, die sich auf Prüfungen wie das USMLE oder das Staatsexamen vorbereiten, bedeutet dies: Die weit verbreitete Überzeugung, dass Erfolg 10–12 Stunden tägliches Lernen erfordert, ist nicht nur wissenschaftlich nicht belegt – sie kann Leistung und Wohlbefinden aktiv schaden.

Die Empfehlung aus der Forschung: Lernt fokussiert, verteilt über die Zeit, mit aktivem Abruf. Schlaft genug. Und misstraut dem Gefühl, dass stundenlanges Wiederlesen produktiv war.

Transparenzhinweis:

  • Interessenkonflikte: Keine angegeben.
  • Finanzierung: Keine Angabe.
  • KI-Nutzung: Claude Sonnet 4.5 (Anthropic) wurde ausschließlich zur sprachlichen Überarbeitung und zur Verbesserung der Verständlichkeit verwendet.
  • Eigene Beteiligung: Der Autor ist in der medizinischen Ausbildungsforschung tätig und publiziert in PubMed-gelisteten Zeitschriften. Neuerdings versucht er sich auch an einem wissenschaftlichen Blog.

Referenzen

Adesope, O. O., Trevisan, D. A., & Sundararajan, N. (2017). Rethinking the Use of Tests: A Meta-Analysis of Practice Testing. Review of Educational Research, 87(3), 659–701. https://doi.org/10.3102/0034654316689306
Bin Abdulrahman, K. A., Khalaf, A. M., Bin Abbas, F. B., & Alanazi, O. T. (2021). Study Habits of Highly Effective Medical Students. Advances in Medical Education and Practice, Volume 12, 627–633. https://doi.org/10.2147/AMEP.S309535
Bjork, R. A., & Bjork, E. L. (2020). Desirable Difficulties in Theory and Practice. Journal of Applied Research in Memory and Cognition, 9(4), 475–479. https://doi.org/10.1016/j.jarmac.2020.09.003
Blasche, G., Khanaqa, T. A. K., & Wagner-Menghin, M. (2023). Mentally Demanding Work and Strain: Effects of Study Duration on Fatigue, Vigor, and Distress in Undergraduate Medical Students. Healthcare, 11(12), 1674. https://doi.org/10.3390/healthcare11121674
Brunmair, M., & Richter, T. (2019). Similarity Matters: A Meta-Analysis of Interleaved Learning and Its Moderators. Psychological Bulletin, 145(11), 1029–1052. https://doi.org/10.1037/bul0000209
Buch, E. R., Claudino, L., Quentin, R., Bönstrup, M., & Cohen, L. G. (2021). Consolidation of Human Skill Linked to Waking Hippocampo-Neocortical Replay. Cell Reports, 35(10), 109193. https://doi.org/10.1016/j.celrep.2021.109193
Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed Practice in Verbal Recall Tasks: A Review and Quantitative Synthesis. Psychological Bulletin, 132(3), 354–380. https://doi.org/10.1037/0033-2909.132.3.354
Cepeda, N. J., Vul, E., Rohrer, D., Wixted, J. T., & Pashler, H. (2008). Spacing Effects in Learning: A Temporal Ridgeline of Optimal Retention. Psychological Science, 19(11), 1095–1102. https://doi.org/10.1111/j.1467-9280.2008.02209.x
Credé, M., & Kuncel, N. R. (2008). Study Habits, Skills, and Attitudes: The Third Pillar Supporting Collegiate Academic Performance. Perspectives on Psychological Science, 3(6), 425–453. https://doi.org/10.1111/j.1745-6924.2008.00089.x
Deslauriers, L., McCarty, L. S., Miller, K., Callaghan, K., & Kestin, G. (2019). Measuring Actual Learning versus Feeling of Learning in Response to Being Actively Engaged in the Classroom. Proceedings of the National Academy of Sciences, 116(39), 19251–19257. https://doi.org/10.1073/pnas.1821936116
Diekelmann, S., & Born, J. (2010). The Memory Function of Sleep. Nature Reviews Neuroscience, 11(2), 114–126. https://doi.org/10.1038/nrn2762
Donoghue, G. M., & Hattie, J. A. C. (2021). A Meta-Analysis of Ten Learning Techniques. Frontiers in Education, 6, 581216. https://doi.org/10.3389/feduc.2021.581216
Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving Students' Learning With Effective Learning Techniques: Promising Directions From Cognitive and Educational Psychology. Psychological Science in the Public Interest, 14(1), 4–58. https://doi.org/10.1177/1529100612453266
Ericsson, K. A., Krampe, R. T., & Tesch-Römer, C. (1993). The Role of Deliberate Practice in the Acquisition of Expert Performance. Psychological Review, 100(3), 363–406. https://doi.org/10.1037/0033-295x.100.3.363
Guilbault, R. W. R., Lee, S. W., Lian, B., & Choi, J. (2020). Predictors of USMLE Step 1 Outcomes: Charting Successful Study Habits. Medical Science Educator, 30(1), 103–106. https://doi.org/10.1007/s40670-019-00907-x
Liles, J., Vuk, J., & Tariq, S. (2018). Study Habits of Medical Students: An Analysis of Which Study Habits Most Contribute to Success in the Preclinical Years. MedEdPublish, 7, 61. https://doi.org/10.15694/mep.2018.0000061.1
Newbury, C. R., Crowley, R., Rastle, K., & Tamminen, J. (2021). Sleep Deprivation and Memory: Meta-analytic Reviews of Studies on Sleep Deprivation before and after Learning. Psychological Bulletin, 147(11), 1215–1240. https://doi.org/10.1037/bul0000348
Okano, K., Kaczmarzyk, J. R., Dave, N., Gabrieli, J. D. E., & Grossman, J. C. (2019). Sleep Quality, Duration, and Consistency Are Associated with Better Academic Performance in College Students. Npj Science of Learning, 4(1), 16. https://doi.org/10.1038/s41539-019-0055-z
Roediger, H. L., & Karpicke, J. D. (2006). Test-Enhanced Learning: Taking Memory Tests Improves Long-Term Retention. Psychological Science, 17(3), 249–255. https://doi.org/10.1111/j.1467-9280.2006.01693.x
Rowland, C. A. (2014). The Effect of Testing versus Restudy on Retention: A Meta-Analytic Review of the Testing Effect. Psychological Bulletin, 140(6), 1432–1463. https://doi.org/10.1037/a0037559
Wiehler, A., Branzoli, F., Adanyeguh, I., Mochel, F., & Pessiglione, M. (2022). A Neuro-Metabolic Account of Why Daylong Cognitive Work Alters the Control of Economic Decisions. Current Biology, 32(16), 3564–3575.e5. https://doi.org/10.1016/j.cub.2022.07.010

Wiederverwendung

Zitat

Mit BibTeX zitieren:
@misc{friederichs2026,
  author = {Friederichs, Hendrik},
  title = {3, 5 oder doch 10 Stunden?},
  date = {2026-02-26},
  url = {https://medical-education.pages.ub.uni-bielefeld.de/research/mes-blog/posts/2026-02-26-optimale-lerndauer/},
  doi = {10.59350/cdbrf-3w939},
  langid = {de}
}
Bitte zitieren Sie diese Arbeit als:
Friederichs, H. (2026). 3, 5 oder doch 10 Stunden? https://doi.org/10.59350/cdbrf-3w939

Additional details

Description

Die optimale Lerndauer – klüger lernen statt einfach nur büffeln Der 10-Stunden-Mythos r = 0,07. Statistisch nicht signifikant, praktisch bei null.

Identifiers

UUID
e24aeb69-6e1f-4efd-a55b-d474e6d32948
GUID
https://medical-education.pages.ub.uni-bielefeld.de/research/mes-blog/posts/2026-02-26-optimale-lerndauer/
URL
https://medical-education.pages.ub.uni-bielefeld.de/research/mes-blog/posts/2026-02-26-optimale-lerndauer/

Dates

Issued
2026-02-26T00:00:00
Updated
2026-02-26T00:00:00

References

  1. Adesope, O. O., Trevisan, D. A., & Sundararajan, N. (2017). Rethinking the Use of Tests: A Meta-Analysis of Practice Testing. Review of Educational Research, 87(3), 659–701. https://doi.org/10.3102/0034654316689306
  2. Bin Abdulrahman, K. A., Khalaf, A. M., Bin Abbas, F. B., & Alanazi, O. T. (2021). Study Habits of Highly Effective Medical Students. Advances in Medical Education and Practice, Volume 12, 627–633. https://doi.org/10.2147/amep.s309535
  3. Bjork, R. A., & Bjork, E. L. (2020). Desirable difficulties in theory and practice. Journal of Applied Research in Memory and Cognition, 9(4), 475–479. https://doi.org/10.1016/j.jarmac.2020.09.003
  4. Blasche, G., Khanaqa, T. A. K., & Wagner-Menghin, M. (2023). Mentally Demanding Work and Strain: Effects of Study Duration on Fatigue, Vigor, and Distress in Undergraduate Medical Students. Healthcare, 11(12), 1674. https://doi.org/10.3390/healthcare11121674
  5. Brunmair, M., & Richter, T. (2019). Similarity matters: A meta-analysis of interleaved learning and its moderators. Psychological Bulletin, 145(11), 1029–1052. https://doi.org/10.1037/bul0000209
  6. Buch, E. R., Claudino, L., Quentin, R., Bönstrup, M., & Cohen, L. G. (2021). Consolidation of human skill linked to waking hippocampo-neocortical replay. Cell Reports, 35(10), 109193. https://doi.org/10.1016/j.celrep.2021.109193
  7. Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin, 132(3), 354–380. https://doi.org/10.1037/0033-2909.132.3.354
  8. Cepeda, N. J., Vul, E., Rohrer, D., Wixted, J. T., & Pashler, H. (2008). Spacing Effects in Learning. Psychological Science, 19(11), 1095–1102. https://doi.org/10.1111/j.1467-9280.2008.02209.x
  9. Credé, M., & Kuncel, N. R. (2008). Study Habits, Skills, and Attitudes: The Third Pillar Supporting Collegiate Academic Performance. Perspectives on Psychological Science, 3(6), 425–453. https://doi.org/10.1111/j.1745-6924.2008.00089.x
  10. Deslauriers, L., McCarty, L. S., Miller, K., Callaghan, K., & Kestin, G. (2019). Measuring actual learning versus feeling of learning in response to being actively engaged in the classroom. Proceedings of the National Academy of Sciences, 116(39), 19251–19257. https://doi.org/10.1073/pnas.1821936116
  11. Diekelmann, S., & Born, J. (2010). The memory function of sleep. Nature Reviews Neuroscience, 11(2), 114–126. https://doi.org/10.1038/nrn2762
  12. Donoghue, G. M., & Hattie, J. A. C. (2021). A Meta-Analysis of Ten Learning Techniques. Frontiers in Education, 6. https://doi.org/10.3389/feduc.2021.581216
  13. Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving Students' Learning With Effective Learning Techniques. Psychological Science in the Public Interest, 14(1), 4–58. https://doi.org/10.1177/1529100612453266
  14. Ericsson, K. A., Krampe, R. T., & Tesch-Römer, C. (1993). The role of deliberate practice in the acquisition of expert performance. Psychological Review, 100(3), 363–406. https://doi.org/10.1037/0033-295x.100.3.363
  15. Guilbault, R. W. R., Lee, S. W., Lian, B., & Choi, J. (2020). Predictors of USMLE Step 1 Outcomes: Charting Successful Study Habits. Medical Science Educator, 30(1), 103–106. https://doi.org/10.1007/s40670-019-00907-x
  16. Liles, J., Vuk, J., & Tariq, S. (2018). Study Habits of Medical Students: An Analysis of which Study Habits Most Contribute to Success in the Preclinical Years. MedEdPublish, 7, 61. https://doi.org/10.15694/mep.2018.0000061.1
  17. Newbury, C. R., Crowley, R., Rastle, K., & Tamminen, J. (2021). Sleep deprivation and memory: Meta-analytic reviews of studies on sleep deprivation before and after learning. Psychological Bulletin, 147(11), 1215–1240. https://doi.org/10.1037/bul0000348
  18. Okano, K., Kaczmarzyk, J. R., Dave, N., Gabrieli, J. D. E., & Grossman, J. C. (2019). Sleep quality, duration, and consistency are associated with better academic performance in college students. Npj Science of Learning, 4(1). https://doi.org/10.1038/s41539-019-0055-z
  19. Roediger, H. L., & Karpicke, J. D. (2006). Test-Enhanced Learning. Psychological Science, 17(3), 249–255. https://doi.org/10.1111/j.1467-9280.2006.01693.x
  20. Rowland, C. A. (2014). The effect of testing versus restudy on retention: A meta-analytic review of the testing effect. Psychological Bulletin, 140(6), 1432–1463. https://doi.org/10.1037/a0037559
  21. Wiehler, A., Branzoli, F., Adanyeguh, I., Mochel, F., & Pessiglione, M. (2022). A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology, 32(16), 3564–3575.e5. https://doi.org/10.1016/j.cub.2022.07.010