Mündliche Prüfung

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

Mündliche Prüfung — Prüfung, in der eine lernende Person Verständnis in Rede erklären, verteidigen oder demonstrieren muss, live oder aufgezeichnet: das Viva voce, die mündliche Prüfung, die mündliche Verteidigung, das Code-Review-Interview, die klinische Beratung. Weil der Austausch echtzeitig ist und die Fragen nicht vorab bekannt sein müssen, widersteht das Format der Substitution generierten Textes für Verständnis auf eine Weise, wie es Take-Home-authentische Aufgaben nicht können. Es trägt auch ein eigenes Validitätsproblem: Mündliche Prüfungen messen Flüssigkeit und Vertrauen neben Wissen, sodass das, was sie zertifizieren, stark davon abhängt, wie sie gestaltet sind, wer fragt, und wie die Rede der lernenden Person als Evidenz behandelt wird.

Fragen zum Nachdenken

• Mündliche Prüfungen werden in der KI-Ära befördert, weil eine Maschine nicht im Raum sitzen und für Sie antworten kann. Doch das Korpus, das dies argumentiert, enthält keinen randomisierten Versuch mündlicher gegenüber schriftlicher Prüfung. Was müssten Sie sehen, bevor Sie jenes Argument als geklärt behandeln?
• Derselbe Werkkörper berichtet zwei verschiedene Mechanismen für reduzierte Angst: das Entfernen der Live-Beobachtung durch die Lehrkraft, und das Vertrautwerden mit dem Format durch Übung. Diese implizieren verschiedene Designs. Welches passt zu Ihrem Kontext, und welchem würden Sie zutrauen zu generalisieren?
• Reine-Sprache-Bewertung kann verbale Flüssigkeit mit konzeptuellem Verständnis verwechseln. Wenn eine lernende Person korrekt gestikuliert, aber das falsche Wort sagt, oder das richtige Wort sagt, ohne es zu verstehen, was genau misst Ihre Prüfung dann?
• Jedes mündliche Design in diesem Korpus stößt an dieselbe Wand: Personal- und Raumzeit. Wenn die Restriktion 28 Kontaktstunden pro Semester für 15 Studierende sind, ist die ehrliche Antwort dann eine geringere Zahl verteidigter Aufgaben, ein größeres Lehrteam, oder ein anderes Format?

Einleitung

Mündliche Prüfung ist eines der ältesten Prüfungsformate und, für den größten Teil des letzten Jahrhunderts, eines der unmodischsten: schwer zu skalieren, schwer zu standardisieren, schwer in einem Einspruchsverfahren zu verteidigen. Generative KI hat ihr Geschick umgekehrt. Wenn eine schriftliche Einreichung auf Verlangen von einem Modell produziert werden kann, kollabiert der Prüfungswert des Artefakts, und die Aufmerksamkeit verschiebt sich zur Prüfung der Person. Eine lernende Person, die eine unbekannte Frage laut, in Echtzeit, beantworten muss, ist zumindest nachweislich anwesend und denkend.

Diese Umkehrung ist jetzt über das Forschungskorpus sichtbar, aber ungleichmäßig. Einige Arbeiten behandeln die mündliche Prüfung als Politikantwort auf akademische Integrität, einige entwerfen ein automatisiertes System, um mündliche Leistung in großem Maßstab zu liefern oder zu bewerten, und einige fragen, was Rede selbst über Verständnis zeigen und nicht zeigen kann. Die unten verbundenen Seiten widersprechen sich darin, wie viel mündliche Prüfungen tatsächlich beweisen. Zusammen gelesen stützen sie eine engere und besser verteidigbare Behauptung als jene, die üblicherweise für sie erhoben wird.

Was eine Live-Leistung zertifizieren kann

Fenton (2025) macht die stärkste Form des Arguments. Gestützt auf die Literatur zu authentischer Prüfung ruht das Argument des Papiers für die mündliche Prüfung auf ihrer Interaktivität: Fragen können bis zum Moment der Prüfung zurückgehalten werden, Nachfasssonden können improvisiert werden, und die lernende Person kann keine Antwort auf eine Frage einüben, die sie nicht gesehen hat. Das Format blockiert auch Auswendiglernen, weil Erinnern durch Erklärung statt durch Reproduktion geprüft wird. Das Papier ist ein Review und Positionspapier in Educational Researcher, keine empirische Studie, und es endet mit dreizehn nummerierten Umsetzungsempfehlungen statt mit Evidenz verbesserter Ergebnisse.

Die ehrliche Version der Integritätsbehauptung ist enger, als sie oft formuliert wird. Mündliche Prüfungen machen Substitution schwerer zu verbergen; das Korpus zeigt nicht, dass sie KI-Nutzung reduzieren. In der CS1-Studie zum mündlichen Code-Review trugen wöchentliche fünfzehnminütige Interviews 70% der Note jeder Aufgabe, und das Verhältnis eingefügter zu Gesamtzeichen stieg dennoch von 61.0% auf 68.1% (p < 0.0001) über drei Semester, während Prüfungswerte sich um statistisch nicht signifikante 2% bewegten. 90% der Studierenden sagten, die Reviews hätten sie motiviert, ihren Code besser zu verstehen, und 65%, sie hätten geholfen, Überabhängigkeit von KI zu vermeiden, doch das gemessene Verhalten folgte nicht. Mündliche Prüfung veränderte, was verborgen werden konnte, nicht, was Studierende taten.

Der Gestaltungsraum, den das Korpus tatsächlich abdeckt

Die Formate im Korpus umspannen eine breite Palette von Automatisierung und Synchronizität, und jedes löst einen anderen Teil des Problems.

Live, menschlich, synchron. Das Viva voce, untersucht in einer Viva-voce-Studie mit 35 Studierenden vor der Hochschule, ist die Baseline: dieselbe Lehrkraft, dieselben Fragen, eine Lieferung von Angesicht zu Angesicht und eine vermittelt durch ein KI-System. Das Doktorviva erscheint in einer qualitativen Studie zu 15 Nachwuchsforschenden, wo Teilnehmende dafür argumentierten, das Prüfungsgewicht darauf zu verschieben, mit der Begründung, dass eine Doktorarbeit leichter zu fälschen sei und das Viva persönlich gegeben werden müsse. Die Autoren akzeptieren jene Begründung nur teilweise, da ein Viva nicht inhärent gegen KI-Unterstützung gefeit ist.

Aufgezeichnet und asynchron. Asynchrone mündliche Prüfungen ersetzen den Raum durch eine zeitlich begrenzte, nicht überarbeitbare Webcam-Antwort, etwa 30 Sekunden Vorbereitung und zwei bis drei Minuten Rede. Im berichteten Pilot übertrafen die Werte jene persönlicher Multiple-Choice-Tests: Zwischenprüfungsmedian 92.5 gegenüber 70 (p < .001) und Abschlussmedian 94.2 gegenüber 86.4 (p = .002), mit nur moderaten formatübergreifenden Korrelationen. Die Autoren schreiben den Unterschied ausdrücklich dem Format statt dem Lernen zu, und das Design trug 7.5% der Kursnote.

Automatisierte Lieferung und Bewertung. Ein sprachbasiertes System, in automobil- und ingenieurtechnischen Berufskursen erprobt bewertete 33 Lernende, von denen 21 zustimmten, dass sich die Live-Spraufgabe realistisch anfühlte, und niemand widersprach, dass Echtzeitsprechen zur Aufgabe besser passe als ein schriftliches Portfolio. Wortzahlen für identische Fragen variierten zwischen Lernenden fünf- bis achtfach, Flüssigkeit verschaffte bei geschlossenen Items keinen Genauigkeitsvorteil, und eine vorläufige Agentennote passte in 95% der Fälle zu der des menschlichen Tutors in angrenzenden Gartenbau- und Milchwirtschaftsversuchen. Ein konversationeller sokratischer Test nimmt die entgegengesetzte Gestaltungsroute und zielt auf konzeptuelles Fragenstellen; seine Evidenz ist eine Selbstberichts-Befragung von 98 Studierenden, in der 80.6% zustimmten, die KI habe wirksam gerüstet, und 52% geringeren Stress als bei traditionellen Prüfungen berichteten. Beide Papiere messen Akzeptanz statt Lernen.

Mündliche Evidenz als Verteidigung statt als Prüfung. Ein werkzeuginvarianter Prüfungsrahmen paart KI-freie Quizze im Klassenraum mit zehnminütigen mündlichen Verteidigungen kommentarbereinigter, KI-unterstützter Arbeit, bewertet nach Code-Verständnis, Methodenverständnis, Terminologie, Interpretation und Verifikation, wobei Verifikation unabhängig von der Gesamtwertung zum Bestehen verlangt ist. Das Design ist argumentiert statt validiert; die eigene Arithmetik des Papiers für 15 Studierende ist zweieinhalb Kontaktstunden pro Aufgabe und etwa 28 Kontaktstunden pro Semester über elf verteidigte Aufgaben.

Angst, Bias, und wen das Format benachteiligt

Für mündliche Prüfungen wird aus Inklusionsgründen argumentiert, weil eine gesprochene Antwort schwerer zu kaufen ist als eine geschriebene, und aus denselben Gründen dagegen. Fenton katalogisiert die Herausforderungen direkt: Planungslast, Angst, und Bias entlang Geschlecht, Ethnizität, Sprache und Antwortgeschwindigkeit, plus die Effekte nicht-anonymer Bewertung. Dagegen legt die vom Papier angeführte Evidenz nahe, dass mündliche Prüfungen so inklusiv wie schriftliche Prüfungen sein können, einschließlich für Studierende mit Legasthenie, und dass Unvertrautheit statt das Format selbst den größten Teil der berichteten Angst treibt; Studierende in einer angeführten Studie waren bei ihren späteren mündlichen Prüfungen weniger ängstlich.

Wo Angst tatsächlich sinkt, zählt der Grund. Im KI-vermittelten Viva war die selbstberichtete Ruhe signifikant höher als in der Angesicht-zu-Angesicht-Version (Mittel 6.50 gegenüber 5.86, t(34) = −1.97, p = .028), und Usability wurde als gut bewertet. Doch die Angesicht-zu-Angesicht-Bedingung erzielte signifikant höhere Werte dabei, Studierenden zu helfen, ihre eigene Arbeit zu verstehen (p = .004). Das Entfernen der Live-Beobachtung durch die Lehrkraft machte Studierende ruhiger und, nach ihrem eigenen Bericht, weniger erhellend für sich selbst.

Was als mündliche Evidenz zählt, ist auch enger, als es aussieht. Eine Studie zu verkörperter Evidenz in mündlichen Erklärungen argumentiert, dass die Bewertung von Rede allein verbale Flüssigkeit mit konzeptuellem Wissen verwechselt und Lernende mit sprachbezogener Schwierigkeit benachteiligt, da Gestik Verständnis trägt, das das Transkript verliert. Ihre Demonstration ist klein: zwei Ingenieurstudierende, die statistische Konzepte erklären, mit Gesten hoher Konfidenz, die sich auf bestimmte Ideen häufen, quadratische und Kastenformen bei etwa 54 bis 61%, und engere Gestik-Rede-Koordination, die kohärentere Erklärungen begleitet.

Bewertung, Validität und das Skalenproblem

Drei Befunde sprechen dagegen, mündliche Werte als Lerngewinne zu lesen. Die Studie zum asynchronen Format verzichtet für ihren eigenen Wertvorteil auf Lerngewinne und berichtet Übereinstimmung zwischen Lehrenden- und Modell-Neubewertung von ICC 0.73 bei der Zwischenprüfung und 0.60 beim Abschluss, was begrenzt, wie weit maschineller Bewertung vertraut werden kann. In einem RCT mit 100 Medizinstudierenden im dritten Jahr, der ein System simulierter Patientinnen und Patienten gegen progressiv-offenlegendes Fallmaterial verglich, stieg die Abschlussprüfungsleistung (71.8 gegenüber 55.6%, Hedges' g = −0.81) und stiegen die OSCE-Kommunikationsbewertungen (3.53 gegenüber 2.64 auf einer Fünf-Punkte-Skala), während die binäre diagnostische Genauigkeit statistisch identisch blieb (84 gegenüber 86%, P = 1.000). Eine nur-genauigkeits-Lesart würde die Intervention null nennen; eine nur-kommunikations-Lesart würde sie transformativ nennen.

Die bindende Restriktion ist Personal und Hardware statt Pädagogik, und das Korpus ist ungewöhnlich offen über die Arithmetik: 28 Kontaktstunden pro Semester für 15 Studierende, elf Lehrende für eine Klasse über 100 im CS1-Design, und ein Laptop, der 12 gleichzeitige Lernende im Offline-Berufseinsatz bedient. Kein randomisierter Versuch mündlicher gegenüber schriftlicher Prüfung existiert irgendwo in diesem Werkkörper, und jede Studie, die den Unterschied misst, ist ein Einzelinstituts-Design ohne Kontrollgruppe. Mündliche Prüfung ist gut gestützt als Antwort auf KI-unterstützte Substitution, und dünn gestützt als Verbesserung des Lernens.

• Die Skalendecke ist die Gestaltungsrestriktion. In einem Workshop mit 73 Informatik-Lehrenden wurde mündliche und interaktive Prüfung als die stärkste verfügbare Evidenz individuellen Verständnisses und als die am wenigsten skalierbare Abhilfe berichtet; die von Teilnehmenden beschriebenen Abmilderungen waren Verteilung und Stichprobenziehung —, geteilte Lehrenden-Pools, Peer-Prüfung unterhalb einer Abschlussprüfung gewichtet, und einen rotierenden Teil der Studierenden aufrufen (Akbar et al., 2026).

Verbundene Konzepte

• Pädagogische Muster — Mündliche und Viva-Verifikationsabläufe, und was sie zeigen und nicht zeigen
• Leistungsbeurteilung — das breitere Feld, in dem dieses Format sitzt
• Authentisches Assessment — die Gestaltungstradition, die den Integritätsfall macht
• Validität von Assessments — was ein Format beanspruchen kann und nicht zu messen
• Akademische Integrität — der Druck, der mündliche Prüfungen zur Prominenz zurückführte
• Automatisiertes Assessment — maschinelle Lieferung und Bewertung mündlicher Leistung
• KI-Erkennung — die alternative Antwort, und warum sie schwächer ist
• Sprach- und Stimmtechnologien — die Sprachpipeline, auf der ein mündliches System läuft
• Multimodale KI — Gestik und Sprache als kombinierte Evidenz
• Angst und Stress — die affektive Kosten der Live-Leistung
• Rückmeldung — was ein Viva einer lernenden Person über ihr eigenes Verständnis sagt
• Hochschulbildung — die Umgebung, aus der fast diese ganze Evidenz stammt

Verbundene Artikel

• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — Reconsidering the use of oral exams and assessments (Fenton 2025)
• Asynchronous Oral Assessments: Enhancing Integrity, Engagement, and Communication in the AI Era — Asynchronous oral assessments: integrity, engagement and professional communication
• Designing AI-Supported Oral Assessment in TVET — Designing AI-supported oral assessment in vocational education
• Exploring student anxiety and experience in performance-based assessments using AIvaluate: an LLM-augmented emotionally — Anxiety and experience in AI-mediated performance-based assessment
• Combating Harms of Generative AI in CS1 with Code Review Interviews and a Flipped Classroom — Oral code review interviews in an introductory programming course
• A Multimodal Framework for Embodied Cognition in Oral Explanations — Gesture as evidence in assessing oral explanations
• The Theoretical Foundation of Socratic Tests: Dynamic, Multimodal, Conversational Examinations — Automated conversational testing as oral assessment
• A Tool-Invariant Framework for Teaching and Assessing Computational Methods in the Age of Agentic AI — Oral defenses of AI-assisted work
• Evaluating Scaffolding-Oriented Multi-Agent Large Language Model System for Clinical Interview Training — Spoken clinical interviews under a simulated-patient system
• From Research Assistant to Surrogate Supervisor: A Qualitative Study Exploring PGR Students' Diverse Uses of Generative AI — The doctoral viva under generative AI
• 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