Leistungsbeurteilung

Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.

Assessment — der Prozess des Sammelns und Interpretierens von Belegen darüber, was Lernende wissen und können, sowie die Methoden zur Bewertung von Lernen. KI in der Bildung hat Assessment grundlegend verändert: Es ermöglicht automatisches Bewerten und Benoten, erzeugt und adaptiert Aufgaben und wirft tiefgreifende Fragen darüber auf, was Assessments eigentlich messen, wenn Studierende KI einsetzen können. Assessment ist das Dachkonzept, das die Abdeckung von formativem Prüfen, automatischer Bewertung, Validität und Bildungsmessung in der Wissensbasis organisiert.

Fragen zum Nachdenken

• Assessment wird hier definiert als das Sammeln und Interpretieren von Belegen darüber, was Lernende wissen und können. Wie würden Sie vor der Lektüre den Satz „ein Assessment ist valide, wenn …“ zu Ende führen — und was würde sich an dieser Antwort ändern, wenn jede und jeder Studierende heimlich KI einsetzen könnte, um die eigene Arbeit zu erzeugen?
• Die Seite vertritt die These, dass vorhersagte, wie eine Person GenAI nutzt (evaluative Integration gegenüber unkritischer Kurzstreckenübernahme), die Leistung, während die Häufigkeit der Nutzung nichts vorhersagte. Was legt das über den verbreiteten Instinkt nahe, KI zu regulieren, indem man ihre Nutzung begrenzt?
• Eine lernende Person kann Arbeit in professionellem Standard abliefern, die sie ohne das Werkzeug nicht reproduzieren kann — wodurch der Rückschluss zwischen Leistung und zugrunde liegender Fähigkeit zerrissen wird. Haben Sie schon einmal erlebt, dass eine „Kompetenz“ für Arbeit bescheinigt wurde, die die oder der Studierende tatsächlich nicht allein erbringen konnte? Was hat das offenbart?
• Die konstruktive Frage, die die Seite aufwirft, lautet nicht „wie hindern wir Studierende daran, KI zu nutzen?“, sondern „wie ermöglichen wir ihnen einen durchdachten Einsatz in Kontexten, die ihre spätere Arbeit spiegeln?“ Wie sähe Assessment in Ihrem Fach aus, wenn das das Ziel wäre?
• Das DRIVE-Rahmenwerk schlägt vor, die Qualität des Engagements einer lernenden Person mit GenAI zu bewerten — nicht nur das Artefakt —, indem man prüft, ob sie Prompts strategisch steuert und eigene Ideen einbringt. Worauf würden Sie achten, um eine tiefe, reflexive KI-Interaktion von oberflächlichem Konsum zu unterscheiden?
• KI-vermitteltes Assessment diversifiziert sich hin zu mündlichen Prüfungen, Portfolios und konversationellen Formaten, die Ängste abbauen und beruflich relevant wirken. Welches Prüfungsformat aus Ihrer eigenen Erfahrung halten Sie für am „KI-resistentesten“ — und ist Resistenz dasselbe wie pädagogischer Wert?

Einführung

Assessment ist aus zwei Gründen zentral für KI in der Bildung. Erstens wird KI selbst eingesetzt, um Studierende zu bewerten — um Aufsätze, Code, Kurzantworten und Klausuren in großem Maßstab zu benoten. Zweitens verändert KI im Unterricht, was Assessments valide messen können, da Studierende Generative KI zur Erzeugung von Arbeit nutzen können. Das Feld umfasst daher sowohl die Werkzeuge, die Assessment automatisieren, als auch die Validitäts- und Integritätsfragen, die KI aufwirft.

Wie KI im Assessment eingesetzt wird

• Automatisiertes Assessment: KI-basiertes Assessment erstreckt sich über mehrere Modalitäten — Multiple-Choice, Kurzantwort, Aufsatz, Code und leistungsbasierte Bewertung — durch automatisches Benoten, Automatisierte Bewertung von Aufsätzen und Automatische Aufgabengenerierung.
• Formatives Assessment: KI-Systeme erzeugen, validieren und adaptieren formative Aufgaben in großem Maßstab und informieren den laufenden Unterricht statt nur summative Bewertung.
• Learning Analytics und Messung: Lernanalyse und Bildungsmessung verbinden Assessmentdaten mit Lernprozessen und nutzen Item-Response-Theorie, Wissensstandsverfolgung und Modellierung der Lernenden und adaptive Instruktion, um Leistung zu interpretieren. Razavi und Powers (2026) demonstrieren die LLM-basierte Schätzung von Aufgabenschwierigkeit als Messinput: über 5.170 K-5-Mathematik- und Leseverstehensaufgaben hinweg, die unter dem Rasch-IRT-Modell kalibriert wurden, korrelierten die Zero-Shot-Bewertungen von GPT-4o mäßig bis stark mit den tatsächlichen Schwierigkeiten (r = 0.83 Mathematik, r = 0.81 Lesen), variierten aber nach Jahrgangsstufe, während ein merkmalsbasierter Ansatz (LLM-extrahierte Merkmale in baumbasierten Modellen) Korrelationen bis zu r = 0.87 erreichte. Die Studie bietet einen praktischen siebenstufigen Arbeitsablauf für Prüfungsfachleute und warnt zugleich, dass die Generalisierbarkeit über K-5-Mathematik und Lesen hinaus unklar bleibt.
• Feedbackschleifen: KI-Assessment speist zunehmend Feedbackschleifen, die den Zyklus von Assessment zu Lernen schließen.
• E-Portfolio-Assessment: E-Portfolios bündeln Arbeit und Reflexionen der Lernenden über die Zeit als prozessbasierte, KI-robuste Assessmentform. Generative KI kann den Portfolioprozess unterstützen — Feedback erzeugen, Reflexion gerüsten und (bei geeigneter Rubrikgestaltung) die Bewertung unterstützen —, während die Betonung des Portfolios auf Begründungsspuren und Entwürfen KI-Fabrikation widersteht. KI-gestützte Portfolio-Bewertung und ChatGPT + E-Portfolio für EFL-Sprechen zeigen, dass KI sowohl das Portfolio-Erlebnis als auch die Feedback-Kompetenz der Lernenden verbessern kann.
• Die Zuverlässigkeit offenen Benotens ist modellabhängig: Pecuchova, Benko & Drlik (2025) benchmarkten elf GenAI- und Sentence-Embedding-Modelle gegen zwei erfahrene Prüfende an 1.885 offenen Antworten aus der Softwaretechnik: nur GPTo1 erreichte nahezu perfekte Übereinstimmung (Fleiss' Kappa 0.82), während referenzbasierte Modelle korrekte, aber abweichend formulierte Antworten bestraften. Da GPTo1 das einzige Modell war, das als ohne Aufsicht einsetzbar galt, aber proprietäre API-Kosten mit sich bringt, empfehlen die Autoren hybride Strategien, die fortgeschrittene Modelle mit erschwinglichen Optionen oder menschlicher Aufsicht in ressourcenbeschränkten Settings paaren. Ein PRISMA-geleiteter systematischer Review von 42 empirischen Studien (2023–2025) bestätigt dieses Bild bedingter Zuverlässigkeit über das gesamte Benotungsfeld hinweg: LLMs erreichen bei geschlossenen und Kurzantwortaufgaben die Leistung menschlicher Beurteilenden, können bei komplexer, offener oder subjektiver Arbeit menschliches Urteilen aber nicht vollständig ersetzen, und es zeigte sich kein einheitlicher Benotungsbias — Modelle waren teils nachsichtiger, teils strenger und vermieden oft Extremwerte (Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback). Iterative Rubrikverfeinerung kann die LLM-Bewertung offener Antworten in hochriskanten medizinischen Settings in Richtung nahezu menschlicher Zuverlässigkeit treiben: Olvet et al. (2026) fanden, dass GPT-4, sobald Lehrende die analytischen und holistischen Rubriken wiederholt auf Basis von Fehlermusteranalysen überarbeiteten, bei drei von vier Fragen vor dem klinischen Einsatz substantielle bis nahezu perfekte Übereinstimmung mit den Lehrenden erreichte (gewichtetes Kappa bis zu 0.94), während die verbliebene holistische Rubrikaufgabe nur bei mäßiger Übereinstimmung blieb (κw = 0.54) — was sowohl den Ertrag menschlicher Rubrikentwicklung im Prozess als auch ihre Grenzen bei synthetischen, holistischen Aufgaben zeigt.
• KI-unterstütztes mündliches und leistungsbasiertes Assessment. Eine Designstudie im TVET-Bereich bewegt Assessment weg von textlastigen Formaten hin zu interaktiver mündlicher Prüfung mit LLM-Unterstützung: über vier Kohorten hinweg hielten 21 von 33 Lernenden die Sprachaufgabe für realistisch, und niemand widersprach der Aussage, dass Sprechen in Echtzeit Kompetenz besser abbilde als ein schriftliches Portfolio, während die Wortzahlen bei identischen Fragen zwischen den Kohorten um das Fünf- bis Achtfache variierten und neun Lernende in zwei bis dreizehn Wörtern antworteten und alle richtig lagen. Das System lief offline auf einem einzelnen Laptop, der bis zu 12 gleichzeitige Lernende mit Mistral 7B und faster-whisper bediente, löschte Aufzeichnungen nach 90 Tagen und beließ die Benotungsurteile bei den Prüfenden — ein Beispiel für Human-in-the-Loop-Assessment-Design für arbeitsplatzbezogene Qualifikationen. (Designing AI-Supported Oral Assessment in TVET)

Validitäts- und Messprobleme

KI wirft grundlegende Validitätsfragen auf: Messen KI-benotete Assessments das Lernen der Studierenden oder KI-Prompting-Fähigkeit? Entwertet die KI-Nutzung der Studierenden traditionelle Assessments? Zu den zentralen Herausforderungen zählen:

• Konstruktvalidität: Forschung zu kompetenzbasierter Bildung zeigt, dass generative KI den Rückschluss zwischen Leistung und zugrunde liegender Fähigkeit zerrissen hat — eine lernende Person kann Arbeit in professionellem Standard abliefern, die sie ohne das Werkzeug nicht reproduzieren kann. Das motiviert eine Neukonzeption dessen, welche Kompetenzen bewertet werden.
• Koautorschaft und Integrität: Coauthorship-Integrität schlägt eine neue Quelle von Validitätsbelegen vor, die verletzt wird, wenn Studierende KI-erzeugte Inhalte einreichen, die sie nicht verstehen, und erkundet konversationelle „KI-Vivas“ als Antwort.
• Psychometrische Qualität: Psychometrisch bewusste KI und konfidenzbewusstes Assessment arbeiten daran, KI-Benotung zuverlässig, unbefangen und interpretierbar zu halten.
• Evaluation von KI-Prüfenden: Evaluation von KI in der Bildung liefert die Methoden und Benchmarks, um zu bestimmen, ob automatisierte Prüfende tatsächlich funktionieren — bei Zuverlässigkeit, Pädagogik und Gerechtigkeit — statt allein bei Schlagzeilen-Genauigkeit.
• Qualitätsabhängige Zuverlässigkeit von KI- und Peer-Benotung (2026): Beim Vergleich von ChatGPT-, Peer- und Lehrenden-Benotung derselben undergraduaten Gruppenprojekte zeigten Usher & Faraon (2026), dass die Übereinstimmung der Benotung mit der Lehrperson von der Qualität der Studierendenarbeit abhängt: ChatGPT überhöhte schwache Einreichungen am stärksten und stimmte bei starker Arbeit besser mit der Lehrperson überein, während Peers bei schwacher Arbeit am besten übereinstimmten und starke Projekte zu niedrig benoteten. Der Befund stellt die binäre Rahmung „zuverlässig vs. unzuverlässig“ infrage und weist auf Modelle bedingter Zuverlässigkeit hin, in denen alternative Prüfende auf Aufgabe und Leistungsniveau abgestimmt werden.
• Menschliches Benoten ist selbst wertgeladen (2026): Luo & Dawson (2026) zeigen, dass selbst menschliches Benoten KI-unterstützter Arbeit kein neutraler, kriteriengeleiteter Akt ist. Szenariobasierte Interviews mit 33 Hochschullehrenden offenbarten Benotungsentscheidungen, getrieben von personenorientierten (Ehrlichkeit, Fleiß), fähigkeitsorientierten (Unabhängigkeit, GenAI-Können, fachliche Meisterschaft), beziehungsorientierten (Vertrauen) und gerechtigkeitsorientierten (Fairness, Wohlwollen) Werten — die über die Aufgabe hinaus auf die Vermutungen der Lehrenden über die oder den Studierenden reichen. Die Studie rahmt die Assessmentfrage neu, von „ist GenAI-Nutzung Betrug?“ zu „wie prägen Werte der Lehrenden Noten, und sind diese Werte für die bewerteten Ergebnisse relevant?“ — und stellt dabei Validität und „gegenseitige Transparenz“ darüber in den Vordergrund, wie sich GenAI-Nutzung auf Noten auswirken wird.

Integrität und die Debatte um Detektion

KI im Assessment hat die Integritätsdebatte verschärft. Ein Strang konzentriert sich auf die Detektion KI-erzeugten Texts, während ein wachsender Korpus an Forschung argumentiert, dass Detektion ein begrenztes, situatives Werkzeug ist — keine Strategie erster Wahl. Beyond Detection und Responsible Assessment argumentieren, dass Authentizität nicht polizeilich erzwungen werden kann; sie muss neu gestaltet werden, wobei KI als erklärte Mitarbeitende positioniert und authentisches, prozessbasiertes Assessment gegenüber Überwachung priorisiert wird. Walton et al. (2025) belegen dies empirisch an wie Studierende tatsächlich urteilen, wenn sie mit GenAI durch Assessments navigieren: Scroll-back-Interviews mit 26 Studierenden offenbarten ein Spektrum von sechs Urteilsereignissen — von der kritischen Bewertung von KI-Wissen und dem Lernen an KI-Grenzen bis zur unkritischen Übernahme von Ideen und der Fehleinschätzung von KI-Beiträgen als eigene. Stamatoulis et al. (2026) fügen ein quantitatives Gegenstück hinzu: über 157 Studierende hinweg sagte vorher, wie GenAI genutzt wird (evaluative Integration zur Unterstützung des Verstehens gegenüber Kurzstreckenübernahme mit geringer Verifikation) die Leistung vorher, während die einfache Nutzungshäufigkeit weder Leistung noch akademische Selbstwirksamkeit vorhersagte. Zusammen rahmen diese Studien die Assessmentfrage neu, von ob Studierende KI nutzen zu wie sie diese Nutzung beurteilen und gestalten. Bassett et al. (2026) gehen weiter und argumentieren, Detektion solle überhaupt nicht eingesetzt werden: ihre probabilistische Ausgabe kann nicht unabhängig verifiziert werden, weil die Herkunft realen Textes unbekannt ist, und Detektorwerte — allein oder mit sprachlichen Markern, Stilvergleichen, der Behauptung eines LLM oder dem Schweigen der Studierenden — erfüllen nicht den Standard der überwiegenden Wahrscheinlichkeit, den Integritätsuntersuchungen erfordern.

Ein PRISMA-Review von 25 Studien fügt einen Risikofaktor hinzu, den die Detektionsdebatte auslässt: Nicht-Muttersprachlerinnen und -Muttersprachler des Englischen zeigten eine hohe Tendenz, Integrität zu verletzen, wenn sie beim Schreiben auf Englisch kämpften; Integritätserwartungen sollten daher mit konkreter Unterstützung beim akademischen Schreiben gepaart werden statt allein mit Durchsetzung (Balalle und Pannilage (2025)).

Neugestaltung von Assessment im KI-Zeitalter

Die konstruktive Frage in der Assessmentliteratur der Wissensbasis lautet nicht „wie verhindern wir, dass Studierende KI nutzen?“, sondern „wie ermöglichen wir ihnen einen durchdachten Einsatz in Kontexten, die ihre spätere Arbeit spiegeln?“ Das rahmt Assessment neu, ausgehend von:

• Authentischen und prozessbasierten Aufgaben, die KI-Nutzung sichtbar und bewertet machen. Authentisches Assessment — die Untersuchung der Leistung Studierender an wertvollen, realistischen Aufgaben — ist die führende Antwort auf die Herausforderung durch KI: jede Aufgabe, die ein Große Sprachmodelle (LLMs) glaubwürdig simulieren kann, verliert ihre Validität, also muss Authentizität neu gestaltet werden, ausgehend von Echtzeit-Zusammenarbeit, digitalem und sozialem Beitrag und individueller Sinnstiftung. Das verbindet sich mit Designrahmenwerken für authentisches Assessment, authentischen Produkten und authentifizierten Prozessen und werkzeuginvarianter Bewertung des Prozesses.
• Verantwortungsvollem Assessment-Design, begründet in Validitätsbelegen (Responsible Assessment in the AI Era: Key Insights from a Future-Focused Conference)
• KI-Freigaben auf Aufgabenebene, abgeleitet aus den Assessmentzielen: McCorkle (2025) zeigt die Assessment-Design-Arbeit, die einer KI-Richtlinie vorausgeht — jede Aufgabe in einem Projekt zu inventarisieren, festzulegen, was bewertet wird und gegen welches Ziel, und KI auf dieser Grundlage pro Aufgabe zu erlauben oder zu verbieten (Brainstorming und Bildkuratierung erlaubt; das Formulieren von Lernzielen und Foliendesign nicht). Dieselbe Abstimmungsübung dient zugleich als Prüfung des Rückschlusses, den das Assessment stützt, weil sie die Lehrenden zwingt, die Leistung zu benennen, die eine Note beglaubigen soll (Validität von Assessments).
• Assessment, das über die sprachliche Modalität hinausgeht: Jiang et al. (2026) definieren multimodale Assessmentkompetenz für Lehrkräfte des Zweitsprachenunterrichts als Wissen, Wert und Kompetenz für Aufgaben, die Antworten über sprachliche, visuelle, auditive, gestische und räumliche Modalitäten hinweg hervorrufen. Ein einjähriges Programm mit 30 Hongkonger Englischlehrkräften hob das Wissen über Assessmentstrategien von 3,13 auf 4,15 von 5 (partielles η² = 0,571) und die Kompetenz in der Unterstützung Studierender von 3,05 auf 3,98 (0,482), während alle drei Wert-Subdomänen flach blieben. Die eigene Erfahrung der Lehrkräfte fügte dem Rahmenwerk zwei Dimensionen hinzu: das Aufrechterhalten der Praxis gegenüber konkurrierenden curricularen Prioritäten und den kritischen Einsatz von GenAI (Jiang et al. (2026)).
• Koautorschaft und Erklärung als Teil des Assessmentvertrags
• Produktion als Kompetenz — die Bewertung der Fähigkeit Lernender, Werkzeuge zu steuern und Arbeit in professionellem Standard zu erzeugen (Knowledge, Skills, Attitudes, Production: Competency-Based Education After Generative AI)
• Die Bewertung des Interaktionsprozesses, nicht nur des Artefakts — das DRIVE-Rahmenwerk (Directive Reasoning Interaction + Visible Expertise) behandelt die Qualität des Engagements einer lernenden Person mit GenAI als das bewertete Konstrukt. Es unterscheidet oberflächlichen Konsum von tiefer, reflexiver Interaktion, indem es prüft, ob Studierende Prompts strategisch steuern (DRI) und eigene disziplinäre Ideen in den Austausch integrieren und weiterentwickeln (VE), wodurch prozessfokussierte Kriterien in Theorien des selbstgesteuerten Lernens und kognitiven Engagements entlang der ICAP-Hierarchie gründen. Das macht DRIVE zu einem Beispiel für KI-vermitteltes authentisches Assessment — eine Rubrik zur Bewertung, wie Lernende mit GenAI partnerschaftlich umgehen, statt eines Detektionswerkzeugs.

Ein Vorschlag in dieser Literatur geht über Neugestaltung innerhalb des gegenwärtigen Rahmens hinaus. El Khoury und Ma (2026) argumentieren, dass eine Reform, die um die Verhinderung von Fehlverhalten oder die Detektion von KI-Nutzung organisiert ist, die pädagogische Vorstellungskraft auf Kontrolle und Konformität verengt, und schlagen stattdessen freudvolles Assessment vor: Assessment, das sicher, emotional ansprechend, ermächtigend und unterstützend für die Handlungsfähigkeit der Studierenden ist, mit Sicherheit als der tragenden Bedingung, weil ohne sie emotionale Einstimmung zu Performance wird, Ermächtigung zu Druck und Handlungsfähigkeit zu Risiko. Ihre Rahmung kehrt die Detektionsagenda um — Integrität wird zur Folge der Gestaltung von Assessment, an dem Studierende teilhaben wollen, statt zu ihrem Ausgangspunkt — und sie positionieren von Lehrenden gebaute KI-Agenten (Custom GPTs, Gems, Copilot-Studio-Agenten) als risikoarmen Übungsraum, in dem Studierende vor dem Urteil üben, mit der Behauptung, dass die KI die Belege organisiert, während die Lehrperson sie interpretiert.

Folgerungen für KI in der Bildung

• Assessment und Lernen sind untrennbar: gutes KI-Assessment sollte Lernen (formatives Feedback) ebenso unterstützen, wie es es bewertet.

• Validität muss neu konzipiert werden: wenn KI Studierendenarbeit erzeugen kann, müssen Assessments Prozesse, Urteilsvermögen und authentische Produktion messen, nicht nur Ergebnisse.

• Automatisierung muss rigoros evaluiert werden: automatisierte Prüfende brauchen psychometrische und Fairness-Evaluation, nicht nur Genauigkeitsbehauptungen.

• Integrität verschiebt sich von Detektion zu Design: die robusteste Antwort auf KI im Assessment ist die Gestaltung von Aufgaben, bei denen KI-Nutzung erwartet, erklärt und geprüft wird.

• Innovative Praktiken können mehrere Probleme gleichzeitig adressieren. Mesny, Roberge-Maltais & Galy (2026) argumentieren, dass eine Reihe von fünf sich gegenseitig verstärkenden Praktiken — authentisches Assessment, Selbst- und Peer-Bewertung, Neubewertung, standardsbasiertes Benoten und Ungrading —, abgestimmt auf das Paradigma des „Assessment for Learning“, den Schaden traditionellen, summativlastigen, normbezogenen Benotens (oberflächliches Lernen, erodierte intrinsische Motivation, Stress und Angst, Ungerechtigkeit und beeinträchtigte Integrität) im Zeitalter generativer KI entgegenwirken können. Sie finden, dass die Verbreitung über Fächer hinweg ungleich ist — Selbst- und Peer-Bewertung dominieren, während die benotungsfokussierten Innovationen marginal bleiben — und fordern Lehrende auf, sich aktiver und reziprok mit Assessment- und Benotungsinnovation auseinanderzusetzen, gestützt auf inkrementelles Experimentieren und institutionelle Unterstützung.

• KI-vermitteltes Assessment diversifiziert sich. AIvaluate zeigt, dass ein LLM-erweiterter konversationeller Agent die Angst Studierender während leistungsbasierter Assessments reduzierte; Pentland (2026) findet, dass asynchrone mündliche Prüfungen höheres Engagement boten und als beruflich relevant wahrgenommen wurden; graphbasiertes ITS nutzt adaptive Wissensstandsverfolgung zur Information des Assessments.

Verbundene Konzepte

• Lernende — Lernende: das Dach für die Konzepte auf der Seite der Lernenden
• Pädagogische Partnerschaften — Pädagogische Partnerschaften
• Formatives Assessment — Formatives Assessment: KI-erzeugte, validierte, adaptive Aufgaben in großem Maßstab
• Automatisiertes Assessment — Automatisches Benoten und Bewerten über Assessmentmodalitäten hinweg
• Authentisches Assessment — Prozessbasierte, KI-robuste authentische Aufgaben
• Validität von Assessments — Validität von Assessments unter generativer KI
• Bildungsmessung — Messtheorie als Grundlage von KI-Assessment
• Automatisierte Bewertung von Aufsätzen — Automatisierte Bewertung von Aufsätzen
• Automatische Aufgabengenerierung — Automatisierte Aufgabengenerierung
• Mündliche Prüfung — Mündliches Assessment: Live- und aufgezeichnete Formate, die KI-Substitution widerstehen
• Summatives Assessment — Summatives Assessment: KI-resistente Formate (mündlich, beaufsichtigt, Closed-Book-Klausuren)
• Item-Response-Theorie — IRT zur Interpretation von Assessmentantworten im KI-Zeitalter
• Psychometrisch bewusste KI — Psychometrisch bewusste KI-Benotung
• Lernanalyse — Analytik, die Assessmentdaten mit Lernen verbindet
• Rückmeldung — Feedbackschleifen, die den Assessment-zu-Lernen-Zyklus schließen
• Feedback-Kompetenz — Feedback-Kompetenz der Lernenden
• Akademische Integrität — Integrität und die Debatte um KI-Detektion
• KI-Erkennung — Detektion KI-erzeugten Texts
• Evaluation von KI in der Bildung — Methoden und Benchmarks zur Evaluation automatisierter Prüfender
• Elektronisches Portfolio (E-Portfolio) — Prozessbasiertes E-Portfolio-Assessment
• Sprach- und Stimmtechnologien
• Peer-Prüfung

Verbundene Artikel

• Conceptualizing and developing second language teachers' multimodal assessment literacy in the GenAI era — Ein einjähriges Programm, das multimodale Assessmentkompetenz definiert und misst, was sich bewegte und was nicht
• AI Agents, Joyful Assessment, and Third Space: Rethinking Assessment in the GenAI Era — KI-Agenten, freudvolles Assessment und dritter Raum
• Designing an Aligned Generative AI Course Policy: An Equitable and Transparent Learner-Centered Approach — KI-Freigaben auf Aufgabenebene, abgeleitet aus dem, was bewertet wird (McCorkle 2025)
• Who grades best? Comparing ChatGPT, peer, and instructor evaluations across varying levels of student project quality — Vergleich von ChatGPT-, Peer- und Lehrendenbenotung über Projektqualitätsniveaus hinweg (Usher & Faraon 2026)
• Responsible Assessment in the AI Era: Key Insights from a Future-Focused Conference — Verantwortungsvolles Assessment im KI-Zeitalter
• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — Beyond Detection: authentisches Assessment
• Coauthorship integrity: Reconceptualising assessment validity for the age of generative artificial intelligence — Coauthorship-Integrität und Assessmentvalidität
• Knowledge, Skills, Attitudes, Production: Competency-Based Education After Generative AI — Kompetenzbasierte Bildung nach generativer KI
• Generative AI as a Design Variable: An Evidence-Centered Framework for Principled Governance in STEM Assessment — Evidenzzentrierte Governance generativer KI im Assessment
• Reassessing Academic Integrity in the Age of AI: A Systematic Literature Review on AI and Academic Integrity — Review zu KI-Integrität: Detektion muss mit Assessment-Neugestaltung gepaart werden
• Heads We Win, Tails You Lose: AI Detectors in Education — Heads we win, tails you lose: AI detectors in education (Bassett et al. 2026)
• Exploring student anxiety and experience in performance-based assessments using AIvaluate: an LLM-augmented emotionally — AIvaluate: LLM-Augmented Assessment of Student Anxiety (2026)
• Intelligent tutoring in dynamic domains: a graph-based system for comparative analysis of adaptive algorithms — Graph-Based Intelligent Tutoring for Dynamic Domains (2026)
• Asynchronous Oral Assessments: Enhancing Integrity, Engagement, and Communication in the AI Era — Asynchronous Oral Assessments in the AI Era (Pentland 2026)
• Assessing students' DRIVE: A framework to evaluate learning through interactions with generative AI — DRIVE: assessing learning through GenAI interaction (DRI + Visible Expertise)
• How university students work on assessment tasks with generative AI: matters of judgement — Judgment in students' work with GenAI on assessment tasks (26 students, scroll-back)
• Same tool, different work: patterns of generative AI use and academic outcomes — Patterns of GenAI use (evaluative integration vs low-verification uptake) and outcomes
• Exploring value judgements in grading: will teachers mark down student work assisted by GenAI, and should they? — Value judgments in grading GenAI-assisted work: honesty, trust, validity, and two-way transparency (Luo & Dawson 2026)
• Estimating Item Difficulty Using Large Language Models and Tree-Based Machine Learning Algorithms — Estimating item difficulty using LLMs and tree-based ML
• Automated Grading of Open-Ended Questions in Higher Education Using GenAI Models
• Innovative assessment and grading practices in higher education: A critical exploration for management educators
• Can Generative Artificial Intelligence Reliably Score Open-Ended Question Assessments in Undergraduate Medical Education?
• Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback
• AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI — AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI