Overwegingen bij geautomatiseerd beoordelen

Dankzij steeds slimmere technologieën beschikken we over meer mogelijkheden om beoordelingen toe te passen, zonder dat daar een docent aan te pas hoeft te komen. Wat zijn overwegingen bij deze ontwikkeling?

Eén van de belangrijkste belemmeringen van grootschalig en goedkoop onderwijs heeft te maken het beoordelen van lerenden. Je bent als docent niet in staat om uitwerkingen van duizenden lerenden individueel op hun merites te beoordelen. Dankzij internettechnologie kun je instructies beschikbaar stellen aan grote groepen. Maar als je je niet wilt beperken tot toetsen met gesloten antwoordcategorieën, dan zal het beoordelen van open vragen en meer uitgebreide uitwerkingen nog steeds grotendeels handmatig moeten plaatsvinden.

Dit gaat echter veranderen door de ontwikkeling van zogenaamde “robo-readers”. Dat zijn algoritmes waarmee je opdrachten van lerenden automatisch kunt analyseren, beoordelen en van feedback voorzien. Hierdoor kun je dus veel uitwerkingen in korte tijd beoordelen, zonder tussenkomst van een docent. Geen wonder dat aanbieders van Massive Open Online Courses hier momenteel fors in investeren. Bovendien reduceer je hiermee menselijke fouten en inconsistenties.

Inge de Waard (aka Ignatia) heeft hierover onlangs een blogpost geschreven. Zij constateert daarin dat “robo-readers” steeds krachtiger worden, en tot betere resultaten leiden (al wordt het niveau van perfectie nog niet bereikt).

Tegelijkertijd vraagt zij zich af of je docenten wel kunt vervangen door algoritmes. Lerenden lijken er in ieder geval niet negatief over te oordelen, als het hun uiteindelijke uitwerkingen verbeterd.

Uitdagingen zijn op dit moment:

• Het is noodzakelijk om taal te standaardiseren. Daarbij loop je tegen grenzen aan.
• Het is ook belangrijk om individuele begeleiding en ondersteuning te krijgen, waarbij je als docent ook kunt inspelen om omstandigheden en reacties van lerenden.
• “Robo-readers” kunnen pervers calculerend gedrag uitlokken.

Los deze beperkingen en principiële bezwaren tegen verdringing van arbeid door deze vorm van kapitaal en ‘de-humanisering’ van het onderwijs, kun je m.i. ook nog andere vraagtekens stellen bij deze ontwikkeling. Het onderwijs richt zich immers niet alleen op kennisreproductie, maar ook op het kunnen toepassen van kennis in praktijksituaties. Daarin schieten zelfs de meest geavanceerde “robo-readers” tekort.

Persoonlijk zie ik deze algoritmes als kans om een impuls te geven aan formatieve manieren van toetsen van kennis. Ook zouden deze technologieën docenten meer gelegenheid moeten geven voor het beoordelen van het toepassen van kennis doordat zij minder tijd hoeven te investeren in kennistoetsen. Maar dat betekent tevens dat er nog steeds grenzen zijn aan de schaalbaarheid van het onderwijs.

This content is published under the Attribution 3.0 Unported license.