Die zweite Episode unserer Serie « LA transformiert Trades ». IA und Schulkorrektur: Hinter dem Versprechen kommentierter Kopien in Sekunden ziehen Studien mehrere Transformationen. Tools erleichtern die Vorbereitung von Kursen und geben nützliches Feedback. Ihre Fähigkeit, eine stabile Punktzahl zuzuordnen, bleibt ungleichmäßiger. Für Lehrer geht es darum, Kriterien zu definieren, Antworten zu überprüfen und Schüler zu begleiten.
Eine Bewertungs-, Rating- und Leitlinienentscheidung beinhaltet nicht die gleiche Verantwortung. Sie unter dem Wort « Korrektur » zusammenzubringen, verwischt die Debatte. Ein Kommentar kann einem Schüler helfen, eine Argumentation zu wiederholen. Eine Note ordnet ihre Produktion nach einer Skala. Eine Schulentscheidung kann ihren Kurs ändern. Die im November 2026 verfügbaren Ergebnisse deuten darauf hin, dass diese Anwendungen separat untersucht werden.
IA und Schulkorrektur: Was Erfahrungen messen
In vier amerikanischen Studiengängen der Politikwissenschaft testeten die Forscher eine Organisation mit Lehrern und GPT-4. Ihre am 19. August 2025 veröffentlichte Studie umfasst 271 Studenten und 3.080 kurze Antworten. Das Tool erhielt die Frage, die Korrekturkriterien und Beispiele, die bereits von den Lehrern erwähnt wurden. Das Schema vertraute etwa 88% der Antworten auf AI an.
Die Ergebnisse unterstützen die Möglichkeit der Unterstützung innerhalb dieses spezifischen Rahmens. Mehrere Notationsmerkmale bleiben denen ähnlich, die mit menschlichen Korrektoren beobachtet wurden. Studenten könnten eine neue Korrektur von einer Person verlangen. Sie waren jedoch der Meinung, dass menschliche Kommentare etwas nützlicher waren.
Daher beinhaltete dieses Protokoll nicht die Übergabe eines Stapels von Kopien an Software ohne Vorbereitung. Die Lehrtätigkeit ging der Automatisierung voraus. Forscher haben keinen universellen Prozentsatz der eingesparten Zeit ermittelt. Sie haben auch keinen nachhaltigen Lernfortschritt gezeigt. Die geringe Anzahl von Herausforderungen allein misst nicht die Abwesenheit von Fehlern.
In der Mathematik, Noten, die nicht immer übereinstimmen
Eine am 28. Oktober 2026 veröffentlichte Studie hat ein weniger beruhigendes Ergebnis. Hasan Fehmi Özdemir verglich drei Lehrer und vier Werkzeuge mit Antworten von 196 College-Studenten aus Şırnak, Türkei. Die Übungen erforderten mathematisches Denken, über die Wahl einer Antwort hinaus. Kopien stammen aus dem Schuljahr 2024-2025.
GPT-4o, Gemini 2.5 Flash, Microsoft Copilot und DeepSeek hatten die gleiche Skala, aber ohne korrigierte Beispiele. Die Tools fanden einige allgemeine Rankings unter den Studenten. Ihre genaue Übereinstimmung mit den menschlichen Notizen war nur etwa drei in zehn Fällen. Dies bedeutet nicht, dass sieben von zehn Noten objektiv falsch waren: Lehrer könnten auch abweichen.
Varianzen tauchten wieder auf, wenn Forscher die gleichen Kopien mehrmals einreichten. Einige Werkzeuge schrieben auch Argumentation zu, die in den Antworten fehlte. Die Studie betrifft ein bestimmtes Gebiet, spezifische Versionen und Protokolle. Sie verurteilt keine assistierte Korrektur. Es zeigt, warum das Lesen von Argumenten und das Anwenden einer Skala eine Validierung erfordert, insbesondere wenn mehrere Ansätze zum richtigen Ergebnis führen können.
Ein hilfreicher Kommentar ist nicht unbedingt eine gute Bewertung
Das Bildungsinteresse erscheint auch ohne automatische Notation. Ein am 30. Oktober 2026 veröffentlichtes Experiment teilte 312 Studenten in drei Gruppen. Einer erhielt Kommentare von einer KI, ein anderer von einem Lehrer, der letzte kein substantielles Feedback. Die abschließende Analyse wählte 287 Teilnehmer aus.
Nach Überarbeitung eines argumentativen Textes erzielten die beiden Begleitgruppen bessere Ergebnisse als die Kontrollgruppe. Die Leistung von menschlichem und automatisiertem Feedback lag im Rahmen der von den Forschern festgelegten Äquivalenz. Die angegebene Motivation blieb jedoch höher, nachdem der Lehrer zurückgekehrt war.
Die Schüler kannten den Ursprung des Kommentars. Das Experiment umfasste eine einzelne Institution und einen Umschreibungszyklus mit einem lokalen Modell. Es beweist daher nicht, dass KI eine nachhaltige Verbesserung der Schulleistung ist. Es unterscheidet zwei Dimensionen des Berufs: helfen, einen Text zu überarbeiten und ihn dazu zu bringen, diese Bemühungen fortzusetzen. Eine relevante Bewertung ersetzt nicht automatisch die pädagogische Beziehung.
Die am meisten kostenpflichtige Zeitersparnis betrifft die Vorbereitung
Die britische Bewertung von Aila, veröffentlicht am 6. Oktober 2026, bietet einen weiteren Benchmark. Dieser Assistent wird verwendet, um Kurse und ihre Materialien vorzubereiten. Die Studie verteilte nach dem Zufallsprinzip 464 Grundschullehrer in 108 Schulen an zwei Gruppen. Die Hauptanalyse wählte 416 Lehrer aus. Die Überwachung erfolgte 10 Wochen im Herbst 2025.
Die Synthese der Education Endowment Foundation schätzt eine 24% ige Reduzierung der Vorbereitungszeit für die untersuchten Aufgaben. Die Teilnehmer schauten sich Arbeitspapiere an. Beide Gruppen könnten andere KI-Tools verwenden: Die Studie bewertete die Einnahme von Aila, nicht alle künstliche Intelligenz gegen ihre Abwesenheit.
Dieses Ergebnis bedeutet nicht 24% weniger Lehrarbeit oder 24% Zeitersparnis bei Kopien. Die Verwendung blieb begrenzt und die Meinungen waren geteilt. Die Qualität der bewerteten Ressourcen verschlechterte sich nicht, aber die Erfahrung zeigte keine Verbesserung des Lernens. Sie maß eine Aufgabe der Vorbereitung, nicht den ganzen Job.
Arbeitsänderungen vor der Beschäftigung können quantifiziert werden
Diese Experimente erlauben nicht die Berechnung einer Anzahl von Positionen, die die KI ersetzen würde. Sie beschreiben Aufgaben unter bestimmten Bedingungen. Der Übergang von dieser zu einer Personalprognose würde weitere Daten erfordern: Organisation des Klassenzimmers, Auditzeit, Kosten für Werkzeuge und Auswahl der Institutionen.
Die assistierte Korrektur bewegt dennoch die zu untersuchenden Schritte. Vor dem Gebrauch muss der Lehrer angeben, was er bewerten möchte. Nach der Generation muss er überprüfen, ob es sich bei dem Kommentar um das Kopieren handelt. Eine flüssige Formulierung kann eine schlechte Lesung maskieren. Ein richtiger Vorschlag kann sich auch auf einen Begriff beziehen, den die Klasse noch nicht angesprochen hat.
Der Nettogewinn hängt daher von der Arbeit ab, die um das Werkzeug herumgehalten wird. Mehr Anmerkungen zu produzieren ist nicht genug, wenn jede eine lange Erholung erfordert. Umgekehrt kann eine relevante erste Rückkehr mehr Raum für eine gezielte Erklärung lassen. Die Gesamtzeit muss gemessen werden, von der Vorbereitung der Kriterien bis zur Restitution, und nicht die einzige Generationsgeschwindigkeit.
Getrennte Vorschriften für die Beihilfe und die Bewertung
In Frankreich ermöglicht der im Juni 2025 veröffentlichte Rahmen die Unterstützung bei der Vorbereitung und Korrektur unter der Verantwortung des Lehrers. Er bat, die Produktionen zu überprüfen. Anwendungen mit erheblichen Auswirkungen auf die Beurteilung oder den Kurs von Studenten erfordern eine menschliche Aufsicht und eine vorherige Validierung durch die zuständige Behörde.
Derselbe Rahmen schließt die Übermittlung personenbezogener oder vertraulicher Daten an eine öffentliche KI aus. Eine Kopie wird nicht unbedingt anonym, weil ihr Name verschwunden ist. Sein Inhalt kann den Schüler immer noch identifizieren. Die Wahl des Dienstes, die übermittelten Daten und ihre Speicherung gehören zu den zu prüfenden Vorkehrungen.
In England behält Ofqual eine spezifischere Grenze in seiner am 16. Juli 2026 aktualisierten Doktrin bei. Die KI kann nicht der einzige Korrektor einer Bewertung sein, die unter eine regulierte Qualifikation fällt. Diese Regel stellt kein allgemeines Verbot für Klassenassistenten dar. Diese französischen und englischen Rahmenbedingungen sind an sich keine für den Libanon geltenden Regeln.
Für eine libanesische Institution, die diese Werkzeuge in Betracht zieht, bieten ausländische Studien Vergleichspunkte, keine gebrauchsfertige Validierung. Die Sprache, das Niveau der Schüler und die Skala müssen dem durchgeführten Test entsprechen. Vor der Erweiterung der Nutzung besteht immer noch die Notwendigkeit, die Unterschiede in den Bewertungen, die notwendigen Korrekturen und die Möglichkeit einer menschlichen Überprüfung zu dokumentieren. Diese lokalen Ergebnisse werden es ermöglichen, eine echte Entlastung von einer zusätzlichen Kontrolllast zu unterscheiden.
Kommentare