formative-beurteilungsschleife

name	formative-beurteilungsschleife
description	Entwerfe eine adaptive Beurteilungsschleife, wo jede Schüler-Antwort den nächsten Unterrichts-Zug auslöst. Verwende dies beim Aufbauen von Technologie-unterstütztem formativem Beurteilungs-Zyklus.
disable-model-invocation	false
user-invocable	true
effort	medium
skill_id	schule-ki-lernen/formative-beurteilungsschleife
skill_name	Formative Beurteilungsschleife - Designer für KI-Systeme
domain	schule-ki-lernen
version	1.0
evidence_strength	strong
evidence_sources	["Black & Wiliam (1998) — Assessment and classroom learning (seminal meta-analysis)","Black & Wiliam (2009) — Developing the theory of formative assessment","Wiliam (2011) — Embedded formative assessment","VanLehn (2006) — The behavior of tutoring systems (inner loop vs. outer loop)","Shute & Zapata-Rivera (2012) — Adaptive educational systems"]
input_schema	{"required":[{"field":"lern_ziel","type":"string","description":"Das spezifische Lern-Ziel, das die formative Beurteilungsschleife überwachen sollte — was SuS lernen sollen"},{"field":"aktuelle_beurteilungs_ansatz","type":"string","description":"Wie Verständnis aktuell überprüft wird — wann LP Verständnis überprüfen, was sie überprüfen und was sie damit tun"}],"optional":[{"field":"schueler_niveau","type":"string","description":"Jahrgangsstufe und Leistungsniveau"},{"field":"fachbereich","type":"string","description":"Das Schulfach"},{"field":"ki_system_moeglichkeiten","type":"string","description":"Was das KI-System kann — Echtzeit-Monitoring, adaptive Fragen, Dashboard-Reporting oder anderes"},{"field":"klassen_groee","type":"string","description":"Wie viele SuS das System gleichzeitig unterstützen muss"},{"field":"beurteilungs_haeufigkeit","type":"string","description":"Wie oft Beurteilungs-Daten gesammelt werden sollten — kontinuierlich, pro-Aufgabe, täglich, wöchentlich"}]}
output_schema	{"type":"object","fields":[{"field":"beurteilungsschleife_design","type":"object","description":"Das vollständige formative Beurteilungs-Design — was beurteilt wird, wie, wann und was mit den Ergebnissen geschieht"},{"field":"elicitation_strategien","type":"array","description":"Wie Schüler-Verständnis oberflächlich wird — die spezifischen Fragen, Aufgaben und Sonden, die Denken offenbaren"},{"field":"interpretations_rahmen","type":"object","description":"Wie Schüler-Antworten interpretiert werden — welche Muster Verständnis, teilweise Verständnis und Fehlkonzepte zeigen"},{"field":"reaktions_aktivitaeten","type":"object","description":"Was basierend auf den Beurteilungs-Daten zu tun ist — die spezifischen Unterrichts-Aktivitäten, die von verschiedenen Beurteilungs-Ergebnissen ausgelöst werden"}]}
chains_well_with	["adaptive-hinweisfolgen","ki-feedback-design","intelligenter-tutoring-dialog"]
teacher_time	5 minutes
tags	["formative-Beurteilung","Black-Wiliam","Beurteilungs-Schleife","adaptiv","Feedback","VanLehn","innere-Schleife","äußere-Schleife","Lehrplan21","NT-Kompetenzen","MA-Kompetenzen"]

Formative Beurteilungsschleife - Designer für KI-Systeme

Was diese Fähigkeit tut

Entwirft eine vollständige formative Beurteilungsschleife für eine KI-fähige Lern-Umgebung — der kontinuierliche Zyklus von Schüler-Verständnis-Beweise-Sammlung, Interpretieren dieser Beweise und Verwendung, um Unterricht in Echtzeit anzupassen. Black & Wiliam's (1998) seminal Meta-Analyse demonstrierte, dass formative Beurteilung einer der mächtigsten Interventionen in Bildung ist (Effektstärken von 0,40-0,70), aber NUR wenn die Beurteilungs-Daten wirklich ändert, was nächstes geschieht. Eine Beurteilung, die nicht zu einer Unterrichts-Anpassung führt, ist einfach ein Test. Diese Fähigkeit entwirft die ganze Schleife: was zu beurteilen ist (nicht nur Antworten, aber DENKEN), wie zu beurteilen ist (Fragen, Aufgaben und Sonden, die Verständnis offenbaren), wie die Ergebnisse zu interpretieren sind (echtes Verständnis von Oberflächen-Leistung unterscheiden) und was mit den Ergebnissen zu tun ist (spezifische Unterrichts-Reaktionen zu spezifischen Beurteilungs-Mustern). VanLehn (2006) unterschied zwischen "innere Schleife"-Beurteilung (bei jedem Problemlösungs-Schritt, in Echtzeit) und "äußere Schleife"-Beurteilung (bei der Aufgaben-Ebene, zwischen Problemen). KI-Systeme sind einzigartig fähig zu innere-Schleife-Beurteilung — SuS-Denken Schritt-Schritt überwachend und in Echtzeit anpassend — welche ist wo die größten Lerngewinne geschehen.

Evidenzgrundlage

Black & Wiliam (1998) führten die einflussreichste Überprüfung der formative-Beurteilungs-Forschung, analysierend über 250 Studien und findend Effektstärken im Bereich von 0,40 zu 0,70 — größer als die meisten Bildungs-Interventionen. Sie definierten formative Beurteilung als "alle Aktivitäten unternommen von LP und/oder ihren SuS, welche Information liefern zur Verwendung als Feedback um das Unterrichten und Lernen zu modifizieren, in welchen sie engagiert sind." Die kritische Einsicht: die BEURTEILUNG ist nicht das wertvolle Teil — die MODIFIZIERUNG ist. Daten-Sammlung ohne Unterrichts-Anpassung ist summative Beurteilung mit einem verschiedenen Label. Black & Wiliam (2009) entwickelten einen raffinierten theoretischen Rahmen, identifizierend fünf Schlüssel-Strategien der formative Beurteilung: (1) Klärung und Teilung von Lern-Zielen und Erfolgs-Kriterien, (2) Ingenieurwesen von effektiven Klassenzimmer-Diskussionen und Aufgaben, die Lern-Beweise elicen, (3) Feedback liefern, das Schüler voranbringt, (4) Aktivierung von SuS als Unterrichts-Resourcen füreinander und (5) Aktivierung von SuS als Besitzer ihres eigenen Lernens. Alle fünf Strategien umfassen einen Zyklus: elicit → interpret → act. Wiliam (2011) übersetzte diesen Rahmen zu praktischen Klassenzimmer-Strategien, betonend, dass formative Beurteilung EINGEBETTET in Unterricht sein muss — nicht ein Add-On-Aktivität, aber ein kontinuierlicher Prozess von Überprüfung, Anpassung und Reaktion. Er argumentierte, dass die größte Barriere zu effektiver formative Beurteilung nicht Daten-Sammlung, sondern DATEN-VERWENDUNG ist: LP sammeln oft Daten, aber ändern ihren Unterricht nicht in Reaktion darauf. VanLehn (2006) analysierte das Verhalten von Tutoring-Systemen und identifizierte zwei Ebenen der Beurteilungs-Schleife. Die "äußere Schleife" funktioniert zwischen Problemen: nachdem eine SuS ein Problem abschließt, entscheidet das System, was nächstes zu tun ist (ein ähnliches Problem, ein schweres Problem, ein Review oder ein neues Thema). Die "innere Schleife" funktioniert innerhalb von Problemen: bei jedem Schritt, beurteilt das System die Schüler-Antwort und gibt Feedback, Hinweise oder Scaffolding. VanLehn fand, dass die innere Schleife der wichtigere Determinant von ITS-Effektivität war — Systeme, die bei jeder Schritt-Ebene beurteilten und reagierten, übertraf dramatisch Systeme, die nur bei der Problemebene beurteilten. Shute & Zapata-Rivera (2012) überprüften adaptive Bildungs-Systeme und fanden, dass die effektivsten Systeme kontinuierliche Beurteilung mit sofortiger Unterrichts-Anpassung kombinierten — erstellend eine "enge" formative Beurteilungs-Schleife, wo die Zeit zwischen Beurteilung und Reaktion minimiert war.