Reliabilitätsanalyse
Übung WS-24-25 Akademische Prokrastination
1 Vorbereitung
1.1 Daten einlesen
setwd("/Users/julia/Library/Mobile Documents/com~apple~CloudDocs/Uni/3. Semester/Diagnostik/Seminar/Reliabilität")
apro <- openxlsx::read.xlsx("apro_complete.xlsx")
codebook<- openxlsx::read.xlsx("Codebook_apro.xlsx")
names(apro)## [1] "apro_1a_1" "apro_1a_2" "apro_1a_3" "apro_1b_1" "apro_1b_2" "apro_1b_3"
## [7] "apro_1c_1" "apro_1c_2" "apro_1c_3" "apro_1d_1" "apro_1d_2" "apro_1d_3"
## [13] "apro_1e_1" "apro_1e_2" "apro_1e_3" "apro_2a_1" "apro_2a_2" "apro_2a_3"
## [19] "apro_2b_1" "apro_2b_2" "apro_2b_3" "apro_2c_1" "apro_2c_2" "apro_2c_3"
## [25] "apro_2d_1" "apro_2d_2" "apro_2d_3" "apro_2e_1" "apro_2e_2" "apro_2e_3"
## [31] "apro_3a_1" "apro_3a_2" "apro_3a_3" "apro_3a_4" "apro_3a_5" "apro_3b_1"
## [37] "apro_3b_2" "apro_3b_3" "apro_3b_4" "apro_3b_5" "apro_3c_1" "apro_3c_2"
## [43] "apro_3c_3" "apro_3d_1" "apro_3d_2" "apro_3d_3" "apro_3d_4" "apro_3d_5"
## [49] "apro_3e_1" "apro_3e_2" "apro_3e_3" "apro_4a_1" "apro_4a_2" "apro_4a_3"
## [55] "apro_4b_1" "apro_4b_2" "apro_4b_3" "apro_4c_1" "apro_4c_2" "apro_4c_3"
## [61] "apro_4d_1" "apro_4d_2" "apro_4d_3" "apro_4e_1" "apro_4e_2" "apro_4e_3"
## [67] "apro_5a_1" "apro_5a_2" "apro_5a_3" "apro_5b_1" "apro_5b_2" "apro_5b_3"
## [73] "apro_5c_1" "apro_5c_2" "apro_5c_3" "apro_5d_1" "apro_5d_2" "apro_5d_3"
## [79] "apro_5e_1" "apro_5e_2" "apro_5e_3"1.2 Pakete laden
library(psych)
library(openxlsx)2 Reliabilität schätzen
2.1 Für Faktor 1: Akademisches Aufschiebeverhalten
# Items anhand des Namens auswählen
#Reliabilitätsanalyse pro (Sub)faktor durchführen (nicht für alle Items gleichzeitig)
items_fac1 <- c("apro_5e_3", "apro_4c_2", "apro_4a_1", "apro_3a_4", "apro_3a_5")
fac1 <- apro[items_fac1]
alpha_fac1 <- alpha(fac1, check.keys = TRUE)
alpha_fac1##
## Reliability analysis
## Call: alpha(x = fac1, check.keys = TRUE)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.93 0.93 0.91 0.72 13 0.0079 3.4 1.5 0.71
##
## 95% confidence boundaries
## lower alpha upper
## Feldt 0.91 0.93 0.94
## Duhachek 0.91 0.93 0.94
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## apro_5e_3 0.91 0.91 0.89 0.72 10.5 0.0098 0.0044 0.72
## apro_4c_2 0.92 0.93 0.91 0.76 12.6 0.0084 0.0015 0.77
## apro_4a_1 0.90 0.90 0.87 0.69 8.9 0.0113 0.0024 0.70
## apro_3a_4 0.90 0.90 0.88 0.70 9.5 0.0107 0.0047 0.70
## apro_3a_5 0.91 0.91 0.89 0.72 10.1 0.0101 0.0045 0.70
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## apro_5e_3 214 0.87 0.87 0.83 0.79 3.4 1.7
## apro_4c_2 212 0.83 0.83 0.75 0.73 3.8 1.7
## apro_4a_1 213 0.92 0.92 0.91 0.87 3.1 1.6
## apro_3a_4 213 0.90 0.90 0.87 0.84 3.5 1.7
## apro_3a_5 215 0.88 0.88 0.85 0.81 3.2 1.6
##
## Non missing response frequency for each item
## 1 2 3 4 5 6 miss
## apro_5e_3 0.19 0.19 0.14 0.18 0.14 0.16 0.02
## apro_4c_2 0.15 0.10 0.13 0.22 0.19 0.20 0.03
## apro_4a_1 0.23 0.19 0.18 0.16 0.15 0.09 0.03
## apro_3a_4 0.13 0.24 0.14 0.17 0.13 0.19 0.03
## apro_3a_5 0.20 0.22 0.17 0.18 0.13 0.11 0.02alpha_fac1$item.stats## n raw.r std.r r.cor r.drop mean sd
## apro_5e_3 214 0.8743988 0.8718633 0.8294696 0.7948201 3.373832 1.736238
## apro_4c_2 212 0.8257572 0.8254691 0.7526937 0.7288573 3.820755 1.687968
## apro_4a_1 213 0.9193900 0.9197312 0.9068048 0.8690232 3.103286 1.636448
## apro_3a_4 213 0.9000748 0.9002610 0.8739267 0.8378679 3.488263 1.706288
## apro_3a_5 215 0.8831610 0.8832938 0.8459889 0.8092739 3.153488 1.634807# Dataframe mit Itemnamen
Itemname <- data.frame(Itemname = items_fac1)
# Neues Objekt mit Itemname und Klartext für die ausgewählten Items
item_texts <- merge(codebook, Itemname, by = "Itemname")
knitr::kable(item_texts)| Itemname | Iteminhalt |
|---|---|
| apro_3a_4 | Ich schiebe häufig so lange studienbezogene Tätigkeiten auf, bis ich Aufgaben unter großem Zeitdruck erledigen muss. |
| apro_3a_5 | Selbst, wenn ich ausreichend Zeit und Ressourcen habe, beginne ich studienbezogene Tätigkeiten erst kurz vor der Deadline. |
| apro_4a_1 | Trotz guter Vorsätze, zögere ich die Bearbeitung anstehender Aufgaben immer bis zum letzten Moment hinaus. |
| apro_4c_2 | Ich brauche zeitlichen Druck, um meine akademischen Aufgaben fertigzustellen. |
| apro_5e_3 | Ich tendiere dazu, mit meinen Aufgaben erst einige Tage vor der Abgabefrist zu beginnen. |
#Mittelwerte der Items über die Personen
score1 <- rowMeans(fac1[c(1:5)], na.rm=TRUE)
hist(score1, main = "Akademisches Aufschiebeverhalten", col = "blue") 
2.2 Für Faktor 2: Aufgabenbezogene Impulsivität
items_fac2<- c("apro_2b_1", "apro_2a_2", "apro_1d_2", "apro_2d_1", "apro_3e_2")
fac2 <- apro[items_fac2]
alpha_fac2 <- alpha(fac2)
alpha_fac2##
## Reliability analysis
## Call: alpha(x = fac2)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.88 0.88 0.86 0.59 7.3 0.013 3.6 1.2 0.58
##
## 95% confidence boundaries
## lower alpha upper
## Feldt 0.85 0.88 0.9
## Duhachek 0.85 0.88 0.9
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## apro_2b_1 0.85 0.85 0.82 0.60 5.9 0.016 0.0029 0.60
## apro_2a_2 0.86 0.86 0.82 0.60 6.1 0.016 0.0017 0.60
## apro_1d_2 0.86 0.86 0.82 0.60 6.0 0.016 0.0018 0.58
## apro_2d_1 0.85 0.85 0.81 0.58 5.6 0.017 0.0022 0.58
## apro_3e_2 0.85 0.85 0.82 0.58 5.6 0.017 0.0027 0.57
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## apro_2b_1 218 0.82 0.82 0.76 0.71 3.0 1.4
## apro_2a_2 219 0.81 0.80 0.74 0.69 3.5 1.5
## apro_1d_2 216 0.81 0.81 0.75 0.70 3.9 1.4
## apro_2d_1 219 0.83 0.84 0.79 0.73 3.7 1.4
## apro_3e_2 215 0.83 0.83 0.78 0.73 3.5 1.4
##
## Non missing response frequency for each item
## 1 2 3 4 5 6 miss
## apro_2b_1 0.15 0.28 0.21 0.19 0.11 0.06 0.00
## apro_2a_2 0.09 0.20 0.19 0.26 0.16 0.11 0.00
## apro_1d_2 0.03 0.16 0.19 0.26 0.18 0.18 0.01
## apro_2d_1 0.03 0.22 0.16 0.26 0.23 0.10 0.00
## apro_3e_2 0.07 0.19 0.21 0.27 0.17 0.08 0.02alpha_fac2$item.stats## n raw.r std.r r.cor r.drop mean sd
## apro_2b_1 218 0.8199458 0.8174778 0.7559719 0.7083246 3.041284 1.447433
## apro_2a_2 219 0.8103112 0.8043673 0.7364579 0.6858059 3.520548 1.459951
## apro_1d_2 216 0.8123885 0.8120722 0.7463984 0.6982776 3.921296 1.420223
## apro_2d_1 219 0.8339633 0.8368378 0.7863443 0.7342782 3.735160 1.369121
## apro_3e_2 215 0.8317675 0.8344917 0.7803549 0.7301023 3.534884 1.379910Itemname <- data.frame(Itemname = items_fac2)
item_texts <- merge(codebook, Itemname, by = "Itemname")
knitr::kable(item_texts)| Itemname | Iteminhalt |
|---|---|
| apro_1d_2 | Oft lasse ich mich, während einer akademischen Aufgabe von anderen, unterhaltsameren und weniger wichtigen Aufgaben ablenken. |
| apro_2a_2 | Ich unterbreche oft meine Hausaufgaben, um mich ablenkenden Tätigkeiten zu widmen, wie z.B. putzen. |
| apro_2b_1 | Ich breche die Bearbeitung meiner akademischen Aufgaben frühzeitig ab, um mich angenehmeren Tätigkeiten zu widmen. |
| apro_2d_1 | Ich neige dazu, mich weniger dringenden Tätigkeiten zu widmen, anstatt akademische Aufgaben zu erledigen. |
| apro_3e_2 | Wenn ich mir eigentlichen vorgenommen habe an akademische Aufgaben zu arbeiten und mir diese Schwierigkeiten bereiten, führe ich stattdessen oft alternative Tätigkeiten aus. |
#Mittelwerte der Items über die Personen
score2 <- rowMeans(fac2[c(1:5)], na.rm=TRUE)
hist(score2, main = "Aufgabenbezogene Impulsivität", col = "blue") 
2.3 Für Faktor 3: emotionale Belastung im Rahmen akademischer Prokrastination
items_fac3<- c("apro_4e_3", "apro_1a_2", "apro_5b_3", "apro_4d_3", "apro_2c_1")
fac3 <- apro[items_fac3]
alpha_fac3 <- alpha(fac3, check.keys = TRUE)
alpha_fac3##
## Reliability analysis
## Call: alpha(x = fac3, check.keys = TRUE)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.86 0.86 0.84 0.56 6.2 0.015 3.9 1.2 0.57
##
## 95% confidence boundaries
## lower alpha upper
## Feldt 0.83 0.86 0.89
## Duhachek 0.83 0.86 0.89
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## apro_4e_3 0.81 0.81 0.78 0.52 4.4 0.021 0.0047 0.54
## apro_1a_2 0.84 0.84 0.80 0.56 5.2 0.018 0.0046 0.58
## apro_5b_3 0.83 0.83 0.80 0.55 4.9 0.019 0.0070 0.58
## apro_4d_3 0.83 0.83 0.80 0.56 5.0 0.018 0.0043 0.57
## apro_2c_1 0.85 0.85 0.81 0.58 5.6 0.017 0.0021 0.59
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## apro_4e_3 212 0.86 0.85 0.81 0.75 3.6 1.6
## apro_1a_2 219 0.79 0.79 0.72 0.66 4.3 1.5
## apro_5b_3 214 0.81 0.81 0.75 0.69 4.3 1.5
## apro_4d_3 213 0.80 0.80 0.74 0.68 3.6 1.5
## apro_2c_1 218 0.77 0.76 0.67 0.62 4.0 1.6
##
## Non missing response frequency for each item
## 1 2 3 4 5 6 miss
## apro_4e_3 0.13 0.16 0.17 0.17 0.25 0.12 0.03
## apro_1a_2 0.06 0.10 0.11 0.22 0.30 0.22 0.00
## apro_5b_3 0.04 0.11 0.14 0.22 0.22 0.27 0.02
## apro_4d_3 0.11 0.15 0.19 0.23 0.20 0.11 0.03
## apro_2c_1 0.10 0.15 0.10 0.21 0.21 0.23 0.00alpha_fac3$item.stats## n raw.r std.r r.cor r.drop mean sd
## apro_4e_3 212 0.8559017 0.8507508 0.8115728 0.7547087 3.627358 1.599113
## apro_1a_2 219 0.7856103 0.7909708 0.7187422 0.6584057 4.264840 1.463061
## apro_5b_3 214 0.8086400 0.8121073 0.7481371 0.6943924 4.289720 1.463223
## apro_4d_3 213 0.7976825 0.8003022 0.7357732 0.6766030 3.605634 1.512329
## apro_2c_1 218 0.7717740 0.7588894 0.6685657 0.6183062 3.977064 1.647349Itemname <- data.frame(Itemname = items_fac3)
item_texts <- merge(codebook, Itemname, by = "Itemname")
knitr::kable(item_texts)| Itemname | Iteminhalt |
|---|---|
| apro_1a_2 | Das Aufschieben von Studienaufgaben verursacht bei mir Schuldgefühle. |
| apro_2c_1 | Es belastet mich emotional, wenn ich akademische Fristen kaum einhalten kann. |
| apro_4d_3 | Ich fühle mich häufig schuldig, wenn ich eine geplante akademische Aufgabe bewusst auf später verschiebe. |
| apro_4e_3 | Wenn ich studienbezogene Aufgaben aufschiebe, empfinde ich starke emotionale Belastung, weil ich weiß, dass dies negative Konsequenzen haben könnte. |
| apro_5b_3 | Das Hinauszögern meiner akademischen Aufgaben führt bei mir zu Stress. |
#Mittelwerte der Items über die Personen
score3 <- rowMeans(fac3[c(1:5)], na.rm=TRUE)
hist(score3, main = "emotionale Belastung im Rahmen akademischer Prokrastination", col = "blue") 
2.4 Für Faktor 4: Selbstdisziplin bei akademischen Aufgaben
items_fac4<- c("apro_4d_2", "apro_5b_2", "apro_3d_1", "apro_4b_1")
fac4 <- apro[items_fac4]
alpha_fac4 <- alpha(fac4, check.keys = TRUE)
alpha_fac4##
## Reliability analysis
## Call: alpha(x = fac4, check.keys = TRUE)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.89 0.89 0.87 0.67 8.2 0.012 3.6 1.2 0.66
##
## 95% confidence boundaries
## lower alpha upper
## Feldt 0.86 0.89 0.91
## Duhachek 0.87 0.89 0.91
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## apro_4d_2 0.82 0.83 0.76 0.61 4.8 0.021 0.00067 0.62
## apro_5b_2 0.86 0.86 0.81 0.68 6.3 0.016 0.00179 0.69
## apro_3d_1 0.88 0.88 0.84 0.71 7.2 0.015 0.00602 0.71
## apro_4b_1 0.87 0.87 0.83 0.69 6.5 0.016 0.00964 0.69
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## apro_4d_2 210 0.92 0.92 0.90 0.85 3.8 1.4
## apro_5b_2 212 0.86 0.86 0.81 0.75 3.4 1.4
## apro_3d_1 214 0.84 0.84 0.75 0.71 3.9 1.4
## apro_4b_1 211 0.85 0.86 0.78 0.73 3.3 1.3
##
## Non missing response frequency for each item
## 1 2 3 4 5 6 miss
## apro_4d_2 0.02 0.21 0.22 0.20 0.20 0.14 0.04
## apro_5b_2 0.07 0.24 0.24 0.21 0.16 0.09 0.03
## apro_3d_1 0.04 0.16 0.21 0.18 0.26 0.15 0.02
## apro_4b_1 0.08 0.20 0.27 0.22 0.18 0.04 0.04alpha_fac4$item.stats## n raw.r std.r r.cor r.drop mean sd
## apro_4d_2 210 0.9183263 0.9174931 0.8999210 0.8452434 3.771429 1.409178
## apro_5b_2 212 0.8637040 0.8608595 0.8058027 0.7471236 3.443396 1.418097
## apro_3d_1 214 0.8418327 0.8376321 0.7502599 0.7104013 3.929907 1.437180
## apro_4b_1 211 0.8519358 0.8553039 0.7794851 0.7326878 3.341232 1.319147Itemname <- data.frame(Itemname = items_fac3)
item_texts <- merge(codebook, Itemname, by = "Itemname")
knitr::kable(item_texts)| Itemname | Iteminhalt |
|---|---|
| apro_1a_2 | Das Aufschieben von Studienaufgaben verursacht bei mir Schuldgefühle. |
| apro_2c_1 | Es belastet mich emotional, wenn ich akademische Fristen kaum einhalten kann. |
| apro_4d_3 | Ich fühle mich häufig schuldig, wenn ich eine geplante akademische Aufgabe bewusst auf später verschiebe. |
| apro_4e_3 | Wenn ich studienbezogene Aufgaben aufschiebe, empfinde ich starke emotionale Belastung, weil ich weiß, dass dies negative Konsequenzen haben könnte. |
| apro_5b_3 | Das Hinauszögern meiner akademischen Aufgaben führt bei mir zu Stress. |
#Mittelwerte der Items über die Personen
score4 <- rowMeans(fac4[c(1:4)], na.rm=TRUE)
hist(score4, main = "Selbstdisziplin bei akademischen Aufgaben ", col = "blue") 
2.5 Für alle Faktoren
items_all <- c("apro_5e_3", "apro_4c_2", "apro_4a_1", "apro_3a_4", "apro_3a_5","apro_2b_1", "apro_2a_2", "apro_1d_2", "apro_2d_1", "apro_3e_2","apro_4e_3", "apro_1a_2", "apro_5b_3", "apro_4d_3", "apro_2c_1", "apro_4d_2", "apro_5b_2", "apro_3d_1", "apro_4b_1")
all_factors <- apro[items_all]
alpha_all <- alpha(all_factors, , check.keys = TRUE)
alpha_all##
## Reliability analysis
## Call: alpha(x = all_factors, check.keys = TRUE)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.91 0.91 0.95 0.35 10 0.0087 3.6 0.95 0.33
##
## 95% confidence boundaries
## lower alpha upper
## Feldt 0.89 0.91 0.93
## Duhachek 0.89 0.91 0.93
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## apro_5e_3 0.91 0.91 0.94 0.35 9.7 0.0095 0.043 0.33
## apro_4c_2 0.91 0.91 0.95 0.36 10.0 0.0092 0.044 0.33
## apro_4a_1 0.90 0.90 0.94 0.34 9.3 0.0098 0.043 0.33
## apro_3a_4 0.90 0.90 0.94 0.34 9.4 0.0098 0.044 0.33
## apro_3a_5 0.90 0.90 0.94 0.35 9.5 0.0097 0.043 0.33
## apro_2b_1 0.91 0.91 0.95 0.36 10.0 0.0091 0.047 0.36
## apro_2a_2 0.91 0.91 0.95 0.36 10.1 0.0090 0.047 0.38
## apro_1d_2 0.91 0.91 0.95 0.35 9.8 0.0093 0.047 0.33
## apro_2d_1 0.90 0.90 0.94 0.35 9.5 0.0095 0.045 0.33
## apro_3e_2 0.90 0.90 0.94 0.34 9.4 0.0096 0.046 0.32
## apro_4e_3 0.91 0.91 0.95 0.37 10.4 0.0086 0.044 0.38
## apro_1a_2 0.91 0.91 0.95 0.37 10.8 0.0085 0.042 0.38
## apro_5b_3 0.91 0.91 0.95 0.37 10.6 0.0086 0.043 0.38
## apro_4d_3 0.91 0.91 0.95 0.36 10.1 0.0089 0.048 0.38
## apro_2c_1 0.91 0.91 0.95 0.37 10.7 0.0084 0.043 0.38
## apro_4d_2 0.91 0.91 0.94 0.35 9.8 0.0093 0.044 0.33
## apro_5b_2 0.91 0.91 0.94 0.35 9.9 0.0092 0.046 0.34
## apro_3d_1 0.91 0.91 0.95 0.35 9.7 0.0094 0.045 0.33
## apro_4b_1 0.91 0.91 0.95 0.35 9.7 0.0094 0.046 0.33
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## apro_5e_3 214 0.70 0.69 0.68 0.65 3.4 1.7
## apro_4c_2 212 0.62 0.60 0.58 0.55 3.8 1.7
## apro_4a_1 213 0.80 0.80 0.80 0.77 3.1 1.6
## apro_3a_4 213 0.80 0.79 0.79 0.76 3.5 1.7
## apro_3a_5 215 0.76 0.75 0.75 0.72 3.2 1.6
## apro_2b_1 218 0.58 0.59 0.56 0.52 3.0 1.4
## apro_2a_2 219 0.57 0.57 0.55 0.50 3.5 1.5
## apro_1d_2 216 0.66 0.66 0.64 0.61 3.9 1.4
## apro_2d_1 219 0.74 0.75 0.74 0.71 3.7 1.4
## apro_3e_2 215 0.77 0.78 0.77 0.73 3.5 1.4
## apro_4e_3 212 0.48 0.47 0.45 0.40 3.6 1.6
## apro_1a_2 219 0.38 0.38 0.34 0.30 4.3 1.5
## apro_5b_3 214 0.43 0.42 0.39 0.35 4.3 1.5
## apro_4d_3 213 0.56 0.56 0.54 0.50 3.6 1.5
## apro_2c_1 218 0.39 0.38 0.34 0.30 4.0 1.6
## apro_4d_2 210 0.65 0.66 0.65 0.60 3.8 1.4
## apro_5b_2 212 0.62 0.64 0.63 0.57 3.4 1.4
## apro_3d_1 214 0.67 0.68 0.66 0.63 3.9 1.4
## apro_4b_1 211 0.69 0.70 0.68 0.64 3.3 1.3
##
## Non missing response frequency for each item
## 1 2 3 4 5 6 miss
## apro_5e_3 0.19 0.19 0.14 0.18 0.14 0.16 0.02
## apro_4c_2 0.15 0.10 0.13 0.22 0.19 0.20 0.03
## apro_4a_1 0.23 0.19 0.18 0.16 0.15 0.09 0.03
## apro_3a_4 0.13 0.24 0.14 0.17 0.13 0.19 0.03
## apro_3a_5 0.20 0.22 0.17 0.18 0.13 0.11 0.02
## apro_2b_1 0.15 0.28 0.21 0.19 0.11 0.06 0.00
## apro_2a_2 0.09 0.20 0.19 0.26 0.16 0.11 0.00
## apro_1d_2 0.03 0.16 0.19 0.26 0.18 0.18 0.01
## apro_2d_1 0.03 0.22 0.16 0.26 0.23 0.10 0.00
## apro_3e_2 0.07 0.19 0.21 0.27 0.17 0.08 0.02
## apro_4e_3 0.13 0.16 0.17 0.17 0.25 0.12 0.03
## apro_1a_2 0.06 0.10 0.11 0.22 0.30 0.22 0.00
## apro_5b_3 0.04 0.11 0.14 0.22 0.22 0.27 0.02
## apro_4d_3 0.11 0.15 0.19 0.23 0.20 0.11 0.03
## apro_2c_1 0.10 0.15 0.10 0.21 0.21 0.23 0.00
## apro_4d_2 0.02 0.21 0.22 0.20 0.20 0.14 0.04
## apro_5b_2 0.07 0.24 0.24 0.21 0.16 0.09 0.03
## apro_3d_1 0.04 0.16 0.21 0.18 0.26 0.15 0.02
## apro_4b_1 0.08 0.20 0.27 0.22 0.18 0.04 0.04alpha_all$item.stats## n raw.r std.r r.cor r.drop mean sd
## apro_5e_3 214 0.7011516 0.6882885 0.6799891 0.6456023 3.373832 1.736238
## apro_4c_2 212 0.6164881 0.6034419 0.5840497 0.5541504 3.820755 1.687968
## apro_4a_1 213 0.8046307 0.7951305 0.7983472 0.7690843 3.103286 1.636448
## apro_3a_4 213 0.7968392 0.7875259 0.7885175 0.7593006 3.488263 1.706288
## apro_3a_5 215 0.7599872 0.7512949 0.7483703 0.7157042 3.153488 1.634807
## apro_2b_1 218 0.5773558 0.5866265 0.5628700 0.5206191 3.041284 1.447433
## apro_2a_2 219 0.5702329 0.5726287 0.5489116 0.5019636 3.520548 1.459951
## apro_1d_2 216 0.6600884 0.6643426 0.6413569 0.6110967 3.921296 1.420223
## apro_2d_1 219 0.7417473 0.7461662 0.7359006 0.7052761 3.735160 1.369121
## apro_3e_2 215 0.7696093 0.7759201 0.7655276 0.7347186 3.534884 1.379910
## apro_4e_3 212 0.4751130 0.4697874 0.4498364 0.3991389 3.627358 1.599113
## apro_1a_2 219 0.3797114 0.3751608 0.3416376 0.3004645 4.264840 1.463061
## apro_5b_3 214 0.4253540 0.4223761 0.3945265 0.3536710 4.289720 1.463223
## apro_4d_3 213 0.5590200 0.5601096 0.5370683 0.4965600 3.605634 1.512329
## apro_2c_1 218 0.3862708 0.3804025 0.3418782 0.3031694 3.977064 1.647349
## apro_4d_2 210 0.6515383 0.6585930 0.6547202 0.6001075 3.771429 1.409178
## apro_5b_2 212 0.6248370 0.6366198 0.6250040 0.5745722 3.443396 1.418097
## apro_3d_1 214 0.6718047 0.6781904 0.6621178 0.6269621 3.929907 1.437180
## apro_4b_1 211 0.6855436 0.6961591 0.6802872 0.6419473 3.341232 1.319147# Itemtexte
Itemname <- data.frame(Itemname = items_all)
item_texts <- merge(codebook, Itemname, by = "Itemname")
knitr::kable(item_texts)| Itemname | Iteminhalt |
|---|---|
| apro_1a_2 | Das Aufschieben von Studienaufgaben verursacht bei mir Schuldgefühle. |
| apro_1d_2 | Oft lasse ich mich, während einer akademischen Aufgabe von anderen, unterhaltsameren und weniger wichtigen Aufgaben ablenken. |
| apro_2a_2 | Ich unterbreche oft meine Hausaufgaben, um mich ablenkenden Tätigkeiten zu widmen, wie z.B. putzen. |
| apro_2b_1 | Ich breche die Bearbeitung meiner akademischen Aufgaben frühzeitig ab, um mich angenehmeren Tätigkeiten zu widmen. |
| apro_2c_1 | Es belastet mich emotional, wenn ich akademische Fristen kaum einhalten kann. |
| apro_2d_1 | Ich neige dazu, mich weniger dringenden Tätigkeiten zu widmen, anstatt akademische Aufgaben zu erledigen. |
| apro_3a_4 | Ich schiebe häufig so lange studienbezogene Tätigkeiten auf, bis ich Aufgaben unter großem Zeitdruck erledigen muss. |
| apro_3a_5 | Selbst, wenn ich ausreichend Zeit und Ressourcen habe, beginne ich studienbezogene Tätigkeiten erst kurz vor der Deadline. |
| apro_3d_1 | Ich plane meine Aufgaben sorgfältig und halte mich immer an meinem Zeitplan. (-) |
| apro_3e_2 | Wenn ich mir eigentlichen vorgenommen habe an akademische Aufgaben zu arbeiten und mir diese Schwierigkeiten bereiten, führe ich stattdessen oft alternative Tätigkeiten aus. |
| apro_4a_1 | Trotz guter Vorsätze, zögere ich die Bearbeitung anstehender Aufgaben immer bis zum letzten Moment hinaus. |
| apro_4b_1 | Wenn ich mir ein Lernziel setze, fällt es mir leicht, dieses zu verfolgen. (-) |
| apro_4c_2 | Ich brauche zeitlichen Druck, um meine akademischen Aufgaben fertigzustellen. |
| apro_4d_2 | Wenn ich einen Lernplan erstelle, schaffe ich es konsequent, mich daran zu halten. (-) |
| apro_4d_3 | Ich fühle mich häufig schuldig, wenn ich eine geplante akademische Aufgabe bewusst auf später verschiebe. |
| apro_4e_3 | Wenn ich studienbezogene Aufgaben aufschiebe, empfinde ich starke emotionale Belastung, weil ich weiß, dass dies negative Konsequenzen haben könnte. |
| apro_5b_2 | Wenn ich mir während der Klausurenphase Zeitpläne erstelle, halte ich sie ein. (-) |
| apro_5b_3 | Das Hinauszögern meiner akademischen Aufgaben führt bei mir zu Stress. |
| apro_5e_3 | Ich tendiere dazu, mit meinen Aufgaben erst einige Tage vor der Abgabefrist zu beginnen. |