VolgendeVolgende gids
Hoe u beoordelingsrubrieken en quizzen kunt maken met AI
Toepassingen
ToepassingenGIDS
AI-beoordeling en feedback betekent het gebruik van AI om rubricagebaseerde opmerkingen en voorgestelde scores op studentenwerk te maken, die de leraar vervolgens beoordeelt, bewerkt en goedkeurt.
Luister naar deze gidsAI-verteld · ~3 min
Het maakt uit omdat feedback een van de meest tijdrovende onderdelen van het lesgeven is, maar AI-scores kunnen inconsistent of bevooroordeeld zijn, dus de leraar moet de uiteindelijke beslisser blijven.
AI can help with two different jobs: writing feedback and suggesting scores. Feedback drafting is the safer, more useful one. Given a clear rubric and a piece of student work, a model can produce specific comments tied to each criterion faster than most people can type them. Scoring is riskier because a number goes into the gradebook and affects students directly. Several accuracy problems are well known. Scores can change between runs on the same essay. Models can reward length and polished vocabulary over reasoning. They can be swayed by confident tone. And they can invent evidence, praising or criticizing sentences that aren't in the student's work. Structured prompts and teacher review catch most of this, but not if the teacher only skims. Fairness is a separate concern. Writing by English learners, or in dialects other than standard academic English, may be judged more harshly on surface features. AI writing detectors are a related trap. They are unreliable, and research has found that some detectors disproportionately flag non-native English writers. A detector score shouldn't be the basis for an accusation. Some grading tools use more limited AI. Gradescope, for example, can group similar answers so a teacher grades each group once. The teacher still decides the score, and the AI handles the sorting. Privacy applies as well. Student work is part of the education record. In the United States, FERPA governs how it is handled, so use district-approved tools and remove names where you can. The main misconception is that AI grading is objective because it is automated. It applies patterns learned from data, including that data's biases. The workable model is AI for drafts, teacher for decisions, and honesty with students about how feedback was produced. It works best for frequent, low-stakes formative feedback, not final grades.
Een Engelse leraar geeft een assistent een viercriteriaal argumentatie-essayrubric en één geanonimiseerd essay, waarna hij om twee sterke punten en één volgende stap voor elk criterium vraagt, met een korte citaat uit het essay als bewijs.
Een natuurkundeleraar gebruikt een beoordelingsplatform dat vergelijkbare antwoorden op een kort antwoordvraag groepeert, zodat een hele groep tegelijk dezelfde score en opmerking kan krijgen nadat de leraar het heeft beoordeeld.
Een leraar voert een reeks concepten van een klas door AI voor alleen formatieve feedback, leest elke opmerking voordat hij deze vrijgeeft, en verwijdert er één die een citaat prees dat de student nooit schreef.
Een afdeling kalibreert door AI vijf anker‑papers te laten beoordelen die leraren al hebben beoordeeld, en vervolgens de AI‑scores te vergelijken met de overeengekomen scores voordat wordt besloten het te gebruiken voor conceptfeedback.
Leerplatforms integreren AI-feedback in opdrachtprocessen, en steeds meer districten zullen waarschijnlijk regels publiceren over wanneer AI scores mag voorstellen en wat aan studenten en families moet worden meegedeeld. Betere kalibratietools en op bewijs gebaseerde feedback kunnen sommige nauwkeurigheidsproblemen verminderen, maar vragen over bias en verantwoordelijkheid verdwijnen niet alleen door technische oplossingen. De meest verdedigbare richting is frequentere, snellere formatieve feedback, waarbij leraren de autoriteit over cijfers behouden. Onafhankelijk onderzoek naar de effecten voor verschillende studentengroepen zal zwaarder wegen dan de beweringen van leveranciers.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
AI-beoordeling en feedback betekent dat AI concepten maakt voor rubric-gebonden commentaren en voorgestelde scores op studentwerk, die de leraar beoordeelt, bewerkt en goedkeurt. Het is belangrijk omdat feedback een van de tijdrovendste onderdelen van lesgeven is, maar AI-scores kunnen inconsistent of bevooroordeeld zijn, dus de leraar moet de uiteindelijke beslissing nemen.
Het opstellen van feedback is minder riskant dan scoren, wat direct invloed heeft op het cijfersysteem.
Modellen kunnen citaten verzinnen, daarom is het belangrijk om geciteerde bewijzen te controleren tegen de inzending.
Onderzoek heeft een vooringenomenheid tegen niet-moedertaalsprekende schrijvers aangetoond, dus een detector-score mag niet de basis zijn voor een beschuldiging.
De AI sorteert antwoorden, en de docent bepaalt de score voor elke groep.
Als het model bewijs moet citeren, kan elke citaat worden vergeleken met de tekst van de student.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
Hoe u beoordelingsrubrieken en quizzen kunt maken met AI
Toepassingen