Teacher Bias: Wie voreingenommen sind deutsche Lehrkräfte?

Dr. Richard Nennstiel: Es hat uns interessiert, zu untersuchen, inwieweit die Notengebung von askriptiven Merkmalen der Schülerinnen und Schülern beeinflusst wird, also von Merkmalen, die nicht mit der eigentlichen Leistung zusammenhängen, wie etwa das Geschlecht, die Religionszugehörigkeit oder die Hautfarbe. Wir haben also, einmal vereinfacht ausgedrückt, durch Lehrkräfte individuell gegebene Noten mit standardisierten Leistungstests verglichen und dann geschaut, ob die Schülerinnen und Schüler – beispielsweise in einem Fach wie Mathematik – von den Lehrkräften unterschiedliche Noten erhalten, obschon sie bei einer standardisierten Bewertung die gleichen Ergebnisse erzielten.

Für unsere Untersuchung haben wir auf die Daten der 4. Startkohorte des Nationalen Bildungspanels (NEPS) zurückgegriffen. Die dadurch relevanten circa 14.000 Schülerinnen und Schüler waren zum Messzeitpunkt in der 9. Klasse im Schuljahr 2010/2011.

Nennstiel: Ja, das ist richtig. Es werden da also entweder technische Geräte mitgebracht, sodass die Kinder die Tests auf diesen Geräten ausführen können, die dann auch von den Geräten automatisch korrigiert werden. Oder aber die Tests werden von Forscherinnen und Forschern, die die Kinder nicht kennen, ausgewertet.

Gilgen: Während die Verzerrungen in Bezug auf die sozioökonomische Herkunft in vielen Schulklassen recht ähnlich waren, gab es bezüglich des Körpergewichts – und insbesondere auch des Geschlechts der Schülerinnen und Schüler – deutlichere Unterschiede zwischen den einzelnen Schulklassen.

Nennstiel: Diese Frage war jetzt nicht unbedingt unsere Aufgabe. Es ging uns primär darum, aufzuzeigen, wie groß der Bias bzw. die Verzerrungen in der Notengebung sein können. Folglich haben wir uns jetzt weniger mit den Gründen für diesen Bias beschäftigt. Das können wir auf wissenschaftlicher Basis aber auch nicht tun, denn wir haben von den Lehrkräften bzw. auch über die Lehrkräfte keine Informationen zu dieser Frage.

Interessant ist in diesem Zusammenhang aber beispielsweise der Umstand, dass sich im deutschen Kontext Benachteiligungen für Kinder mit einem türkischen Namen zeigen. In dieser Forschungsrichtung wird als Ursache dafür häufig diskutiert, dass hier implizite Stereotype wirken. Die Lehrpersonen aus dem Datenmaterial, das wir verwendet haben, kennen die Schülerinnen und Schüler jedoch bereits mindestens ein Schuljahr lang. Da würde man dann eigentlich schon erwarten, dass diese Lehrkräfte irgendwann nicht mehr auf diese impliziten Stereotype zurückgreifen. Unsere Ergebnisse könnten so interpretiert werden, dass dies trotzdem der Fall ist – und das hat uns dann schon erstaunt.

Um Ihnen doch noch eine Idee in Bezug auf die Frage nach Mitteln und Methoden gegen die Verzerrungen bei der Benotung zu geben: Ein Ansatz wäre hier beispielsweise, die Bewertungskriterien bei der Bewertung von Prüfungen und Tests noch enger und konkreter zu fassen – insbesondere in den sprachlichen Fächern, in denen sich bei unserer Untersuchung ja auch größere Verzerrungen gezeigt haben.

Gilgen: Also in Bezug auf einen möglichen Einsatz der Künstlichen Intelligenz für die Bewertung von Prüfungen und Tests wäre ich jetzt sehr kritisch, denn damit wurden ja auch bereits negative Erfahrungen gemacht – insbesondere auch, weil sich die KI ja auch wiederum auf bestehende Daten stützt – und diese Daten häufig bereits voller Verzerrungen sind. Das kann dann dazu führen, dass auch Beurteilungen durch die KI wieder von diesem Bias geprägt sind.

Nennstiel: Ja – wenn es uns gelingt, die KI so für den Schulkontext zu trainieren, dass sie bias-frei bleibt und automatisiert Rückmeldungen gibt, dann könnte das funktionieren. Dazu müsste die KI über die entsprechenden Informationen verfügen, wie beispielsweise ein guter Aufsatz aussehen oder wie ein Lösungsweg in Mathematik beschrieben sein soll. Das könnte die Lehrkräfte durchaus ein Stück weit entlasten, die ja auch unter Leistungs- und Zeitdruck stehen. Die KI könnte hier zumindest unterstützend wirken.