GradeLens-team
Een rubric die goed werkt voor AI-ondersteund nakijken, is bijna altijd gewoon een goed geschreven rubric — het soort dat al goede praktijk was voordat AI-nakijken bestond. Vage criteria verwarren een docent op een vermoeide zondagavond precies zoveel als een AI-model; het valt bij de docent alleen minder op.
De meest voorkomende bron van verwarring is een criterium dat een indruk beschrijft in plaats van een controleerbaar element. "Toont goed begrip van het onderwerp" is niets waar iemand consistent op kan scoren. "Noemt minstens twee oorzaken en legt uit hoe elke oorzaak bijdroeg aan het gevolg" is wél te controleren — door een docent, door een collega die dezelfde toets modereert, en door GradeLens.
Deelpunten verdienen dezelfde expliciete aanpak. Als een rekenfout na een juiste methode toch bijna alle punten moet opleveren, zet dat dan letterlijk in de rubric in plaats van het aan interpretatie over te laten. GradeLens past precies de deelpuntenlogica toe die jij meegeeft — een onderbepaalde rubric levert onderbepaald nakijkwerk op, wie of wat er ook nakijkt.
Eén gewoonte die de moeite waard is, los van welke tools je gebruikt: schrijf de rubric voordat je antwoorden hebt gezien, puur op basis van de vraag. Rubrics die geschreven worden nadat je al een paar toetsen hebt doorgebladerd, buigen al snel mee met wat die specifieke leerlingen toevallig hebben opgeschreven — precies het soort afwijking dat nakijken inconsistent maakt binnen één stapel, en tussen AI-ondersteund en handmatig nakijken.