Dieser Gastbeitrag stammt von Dr. Mahnaz R. Charania, ehemalige Forschungsmitarbeiterin für Bildung am Christensen Institute. Ursprünglich wurde er auf dem Blog des Christensen Institute veröffentlicht und wird hier mit Genehmigung erneut veröffentlicht.
Die diesjährige College-Zulassungssaison wird als die verrückteste aller Zeiten bezeichnet und stellt gleichzeitig ein natürliches Experiment für das amerikanische Bildungssystem dar.
Die Umstellung auf testoptionale und testblinde Zulassungen in den letzten Jahren könnte eine radikale Erweiterung des Zugangs zu selektiven Colleges bedeuten. Dennoch, trotz gut gemeinter Bemühungen, systemische Ungerechtigkeiten bei der Zulassung zu bekämpfen, kehren Universitäten zur Standardisierung von Bewertungen zurück, in der Hoffnung, besser vorhersagen zu können, welche Schüler in ihrer Umgebung erfolgreich sein und rechtzeitig ihren Abschluss machen werden. Diese Rückkehr zu Bewährtem mag effizienter sein, birgt jedoch auch die Gefahr, die bereits bestehenden Ungleichheiten zu verfestigen, die sie selbst so hart daran arbeiten, zu beseitigen.
Die Vielfalt der Zulassungstestrichtlinien bei College-Zulassungen verdeutlicht eine größere Herausforderung – und Chance – sowohl für K-12 als auch für die Hochschulbildung. Während sich Zwecke und Ziele von Bildungssystemen ständig ändern, ist die Definition und Messung von Schülererfolg in Schulen nicht Schritt gehalten, was das derzeitige Zulassungsproblem in der Hochschulbildung vorantreibt. Um aufzuholen, muss die Messung in der Bildung über die Verwendung eines Satzes von Punktzahlen (SATs) zur Vorhersage eines anderen (nachschulischem Erfolg) hinausgehen und Daten produzieren, die Möglichkeiten für alle Lernenden innerhalb und außerhalb des Klassenzimmers verbessern. Aufkommende Technologien wie künstliche Intelligenz könnten dabei helfen.
Künstliche Intelligenz zur Personalisierung, nicht Standardisierung von Bewertungen – bildet eine besondere Herausforderung für die Systemführer: Wie können wir KI einsetzen, um die Dinge zu messen, von denen wir wissen, dass sie wichtig sind, die wir aber noch nicht gut messen können? Wie können wir KI nutzen, um Bewertungen zu personalisieren, nicht zu standardisieren, damit jeder Schüler auf gleiche Weise erfolgreich im Klassenzimmer und darüber hinaus unterstützt wird?
Die Antwort liegt in der Ausweitung unserer Bemühungen in mindestens drei Bereichen: lernerzentrierte Bewertungen, integrierte, unsichtbare Bewertungen und disaggregierte Daten.
Der Beitrag ruft dazu auf, in die Forschung und Entwicklung von Bewertungen zu investieren, um Ungerechtigkeiten zu beseitigen und sicherzustellen, dass AI-gesteuerte Bewertungen in einer Weise skaliert werden, die den Status Quo nicht verstärkt, menschliche Beziehungen nicht schwächt oder Ungleichheiten verschärft. Insgesamt sollte Forschung und Entwicklung dazu beitragen, dass diese disruptiven Ansätze Fuß fassen und sicherstellen, dass Maßnahmen mit Fairness und Transparenz erstellt werden und mit den Programmen übereinstimmen, die existieren, um die Schüler zu unterstützen.