Die Korrektur von Schülertexten ist eine zentrale, aber auch zeitintensive Aufgabe im Lehrberuf – insbesondere im Fremdsprachenunterricht. Viele Lehrkräfte empfinden sie als enorme Mehrbelastung, da die Arbeit am Rand oft nicht den gewünschten Effekt erzielt. Schüler lesen die Anmerkungen kaum 📖❌, konzentrieren sich primär auf die Note und machen in nachfolgenden Arbeiten dieselben Fehler erneut. Trotz des enormen zeitlichen Aufwands bleibt die Lernwirksamkeit der klassischen Korrektur fraglich.
Dass Korrektur eine hohe Belastung für Lehrkräfte darstellt, war mir – wie vermutlich vielen Kolleginnen und Kollegen – längst bewusst. Was mir jedoch nicht klar war, ist, dass sie auch für die Schülerinnen und Schüler nur wenig Nutzen bringt. Die Vorstellung, dass wir enorme Zeit in Korrekturen investieren, ohne damit nachhaltige Verbesserungen zu erzielen, war für mich ein echter Aha-Moment 💡.
Angeregt durch einen 🎙️ Podcast von Bob Blume und Benedikt Wisniewski sowie einen Blogbeitrag von Hauke Pölert begann ich, die gängigen Korrekturmethoden grundsätzlich zu hinterfragen. Der entscheidende Impuls war die Erkenntnis aus dem Podcast: Nicht nur ist Korrektur für Lehrkräfte eine enorme Zeitbelastung, sie kann sogar demotivierend auf die Lernenden wirken und führt in vielen Fällen nicht zur gewünschten Verbesserung. Das stellte für mich die entscheidende Frage: Wie kann Korrektur effizienter und gleichzeitig lernförderlicher gestaltet werden?
Daraus entstand mein Feldversuch: eine Korrekturmethode, die KI-gestütztes Feedback nutzt, um den Lernprozess effektiver zu gestalten.
Alle zu Grunde liegenden Dokumente, einschließlich der Bewertungsmatrix und Beispiele für das KI-gestützte Feedback, sind in dieser Dropbox abrufbar.
Um einen direkten Vergleich zur herkömmlichen Korrektur zu ermöglichen, habe ich eine vollständige Klausur eines Englischkurses nach einem neuen Prinzip bearbeitet. Die zentrale Änderung bestand darin, dass keine Randbemerkungen in den Klausuren selbst gemacht wurden. Stattdessen wurden die Arbeiten abgetippt, bewertet und mit Hilfe von KI mit Feedback zu Sprache und Inhalt versehen und anschließend im Unterricht gemeinsam reflektiert. 🔄
Der Ablauf war wie folgt:
Ein zentraler Punkt dieses Feldversuchs war eine gründliche Vorbereitung, um sicherzustellen, dass die Korrektur mit KI-Unterstützung möglichst präzise, effizient und lernförderlich verläuft. Grundlage des gesamten Prozesses war eine Englisch-Klausur, die hier abrufbar ist: Klausur 11C Englisch 2024/2025. Diese Klausur diente als Basis für die alternative Korrekturmethodik und wurde mit mehreren vorbereitenden Dokumenten ergänzt, um ein möglichst präzises und strukturiertes Korrekturverfahren zu ermöglichen.
Da die Qualität der KI-gestützten Analyse maßgeblich davon abhängt, welche Informationen man ihr zur Verfügung stellt, war es notwendig, nicht nur eine bestehende Bewertungsmatrix zu verwenden, sondern diese auch gezielt anzupassen. So sollte sichergestellt werden, dass das Feedback der KI den tatsächlichen Anforderungen an eine Schülerleistung der 11. Klasse entspricht.
📝 Erweiterung der Bewertungsmatrix für die sprachliche Leistung
Zunächst wurde die bestehende Bewertungsmatrix für sprachliche Leistung des IQB kritisch geprüft. Während die Matrix eine sinnvolle allgemeine Bewertungsgrundlage bietet, wurde schnell klar, dass sie in ihrer ursprünglichen Form nicht detailliert genug auf die spezifischen Anforderungen eines B1+-Kommentars zugeschnitten war.
Zusammen mit ChatGPT habe ich daher die ursprüngliche Matrix überarbeitet und ergänzt, sodass sie gezielt auf das erwartete Niveau der 11. Klasse in Englisch angepasst ist. Diese überarbeitete Version bildet die Grundlage für die sprachliche Bewertung und kann hier eingesehen werden: Erweiterte Bewertungsmatrix B1+.
🔍 Anpassung des Erwartungshorizonts für den inhaltlichen Teil
Parallel dazu wurde eine Checkliste für die inhaltliche Bewertung der Klausur erstellt, die sich an den zu erwartenden Leistungen eines B1+-Kommentars orientiert. Die ursprüngliche Version wurde mit Unterstützung von KI überarbeitet, um mögliche Ungenauigkeiten zu identifizieren und mehr Präzision in der Bewertung zu ermöglichen. Diese überarbeitete Checkliste ist hier abrufbar: En11_WritingCheckliste_Klausur.
📌 Erstellung einer Musterlösung als Referenz
Um das Korrekturverfahren weiter zu optimieren und Schülern nachträglich eine Orientierungshilfe zu bieten, wurde zusätzlich eine Musterlösung erstellt. Diese diente nicht nur als Vergleichsbasis für die Bewertung der Schülertexte, sondern auch als Referenz für die KI, um sich am idealen Aufbau eines Kommentars zu orientieren. Sie kann hier heruntergeladen werden: Musterlösung.
🤖 Zusammenarbeit mit der KI: Erstellung eines optimierten Korrektur-Prompts