Wenn KI Lernende beurteilt
Revidierbare Rückmeldungen zwischen Systemausgabe, Aneignung und gespeicherter Systemannahme
DOI:
https://doi.org/10.21243/mi-26-03-08Schlagworte:
generative KI, KI-Feedback, Revidierbarkeit, Korrekturdurchgängigkeit, Feedbackkompetenz, Lernendenmodell, LehrkräftebildungAbstract
Generative KI kann Lernenden nicht nur Texte kommentieren, sondern auch Fähigkeiten oder Lernwege zuschreiben. Wird eine solche Aussage berichtigt, bleibt oft unklar, was sich geändert hat: der Wortlaut, was die lernende Person daraus ableitet, oder eine gespeicherte Annahme, die das System später nutzt. Der Beitrag verbindet Forschung zu KI-Feedback, Feedbackkompetenz, offenen Lernendenmodellen und Anfechtbarkeit. Er schlägt eine nachvollziehbare Korrekturspur und Revidierbarkeit als noch zu prüfendes Qualitätskriterium vor. Ein konstruiertes Unterrichtsszenario zeigt vier gleichwertige Möglichkeiten: bestätigen, differenzieren, zurückweisen oder vertagen. Lehrkräfte schaffen fachliche Prüfgelegenheiten; Institutionen und Anbieter sichern technische und beschwerdebezogene Wege. So wird epistemische Würde praktisch: Lernende können begründet widersprechen, ohne sich persönlich offenlegen oder Nachteile befürchten zu müssen.
Literaturhinweise
Abimbola, S. (2025). Epistemic dignity. The Lancet, 406(10516), 2210–2211. https://doi.org/10.1016/S0140-6736(25)02212-3
Alfrink, K., Keller, I., Kortuem, G., & Doorn, N. (2023). Contestable AI by Design: Towards a Framework. Minds and Machines, 33, 613–639. https://link.springer.com/article/10.1007/s11023-022-09611-z
Ba, S., Yang, L., Yan, Z., Looi, C. K., & Gašević, D. (2025). Unraveling the mechanisms and effectiveness of AI-assisted feedback in education: A systematic literature review. Computers and Education Open, 9, Article 100284. https://doi.org/10.1016/j.caeo.2025.100284
Baethge, C., Goldbeck-Wood, S., & Mertens, S. (2019). SANRA—a scale for the quality assessment of narrative review articles. Research Integrity and Peer Review, 4, Article 5. https://doi.org/10.1186/s41073-019-0064-8
Carless, D., & Boud, D. (2018). The development of student feedback literacy: Enabling uptake of feedback. Assessment & Evaluation in Higher Education, 43(8), 1315–1325. https://doi.org/10.1080/02602938.2018.1463354
Chounta, I.-A., Sheng, K., Abdelmagied, M., Nagashima, T., & Zapata-Rivera, D. (2026). Open Learner Models in the Age of Generative AI. In E. G. Blanchard, G. Chen, M. Chi & S. Isotani (Hrsg.), Artificial intelligence in education: Late breaking results, WideAIED, practitioners, industry and policies (Communications in Computer and Information Science, Bd. 3033, S. 61–65). Springer. https://doi.org/10.1007/978-3-032-29794-5_11
Feng, S., & Carolus, A. (2026). Artificial intelligence literacy at school: A systematic review with a focus on psychological foundations. Computers and Education: Artificial Intelligence, 10, Article 100551. https://doi.org/10.1016/j.caeai.2026.100551
Filk, C. (2025). Strengthening Digital Self-Determination. Integrating Media Ethics and Artificial Intelligence into Teacher Training for Everyday School Life. Medienimpulse, 63(1), 48 Seiten. https://doi.org/10.21243/mi-01-25-29
Filk, C. (2026). Inexistent: Algorithmische Medienkulturen und die strukturelle Schließung der Vollzugsbedingungen von Medienbildung. Medienimpulse, 64(2), 32 Seiten. https://doi.org/10.21243/mi-02-26-24
Foidl, R. (2026). Eine verschwimmende Grenze: Sprachliche Belebtheitskonstruktion in der Mensch-KI-Interaktion. Medienimpulse, 64(2), 38 Seiten. https://doi.org/10.21243/mi-02-26-15
Hattie, J., & Timperley, H. (2007). The Power of Feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487
Henderson, M., Bearman, M., Chung, J., Fawns, T., Buckingham Shum, S., Matthews, K. E., & de Mello Heredia, J. (2025). Comparing Generative AI and teacher feedback: student perceptions of usefulness and trustworthiness. Assessment & Evaluation in Higher Education. Advance online publication. https://doi.org/10.1080/02602938.2025.2502582
Hooshyar, D., Pedaste, M., Saks, K., Leijen, Ä., Bardone, E., & Wang, M. (2020). Open learner models in supporting self-regulated learning in higher education: A systematic literature review. Computers & Education, 154, Article 103878. https://doi.org/10.1016/j.compedu.2020.103878
Jaakkola, E. (2020). Designing conceptual articles: Four approaches. AMS Review, 10(1–2), 18–26. https://doi.org/10.1007/s13162-020-00161-0
Karimi, A.-H., Barthe, G., Schölkopf, B., & Valera, I. (2022). A Survey of Algorithmic Recourse: Contrastive Explanations and Consequential Recommendations. ACM Computing Surveys, 55(5), Article 95. https://doi.org/10.1145/3527848
Kerres, M. (2024). Mediendidaktik: Lernen in der digitalen Welt (6. Aufl.). De Gruyter Oldenbourg. https://doi.org/10.1515/9783111201078
Klar, M., & Schleiss, J. (2024). Künstliche Intelligenz im Kontext von Kompetenzen, Prüfungen und Lehr-Lern-Methoden: Alte und neue Gestaltungsfragen. MedienPädagogik: Zeitschrift für Theorie und Praxis der Medienbildung, 58, 41–57. https://doi.org/10.21240/mpaed/58/2024.03.24.X
Marsh, H. W., & Martin, A. J. (2011). Academic self-concept and academic achievement: Relations and causal ordering. British Journal of Educational Psychology, 81(1), 59–77. https://doi.org/10.1348/000709910X503501
Mhlambi, S., & Tiribelli, S. (2023). Decolonizing AI ethics: Relational autonomy as a means to counter AI harms. Topoi, 42(3), 867–880. https://doi.org/10.1007/s11245-022-09874-2
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
Nieminen, J. H., & Ketonen, L. (2024). Epistemic agency: A link between assessment, knowledge and society. Higher Education, 88(2), 777–794. https://doi.org/10.1007/s10734-023-01142-5
Nieminen, J. H., Walton, J., & Cobb, P. J. (2026). Feedback as an epistemic practice. Assessment & Evaluation in Higher Education. Advance online publication. https://doi.org/10.1080/02602938.2026.2624483
Robles Mucho, J. L., Andrade-Girón, D. C., Benites-Tirado, V. R., Quispe-Maquera, N. B., Ayala-Jara, C., Tito Chura, H. E., Luna-Victoria, F. M., Laura-De La Cruz, K. M., Rivera-Lozada, O., Cerna Salcedo, A. A., Jaramillo Arica, P. S., & Barboza, J. J. (2026). Open learner models and pedagogical strategies in higher education: A meta-synthesis of approaches to self-regulated learning. Frontiers in Education, 10, Article 1760183. https://doi.org/10.3389/feduc.2025.1760183
Schmidt, C. (2025). Ökonomisierung reloaded: Oder: Wie Ed-Tech Unterricht verändert. Medienimpulse, 63(4), 34 Seiten. https://doi.org/10.21243/mi-04-25-10
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
Steyvers, M., Tejeda, H., Kumar, A., Belem, C., Karny, S., Hu, X., Mayer, L. W., & Smyth, P. (2025). What large language models know and what people think they know. Nature Machine Intelligence, 7(2), 221–231.
https://doi.org/10.1038/s42256-024-00976-7
Swertz, C., & Knaus, T. (2026). Keine Bildung ohne Subjekt? Ein Gespräch über KI, Lernen als Erkennen und pädagogische Souveränität. Medienimpulse, 64(2), 50 Seiten. https://doi.org/10.21243/mi-02-26-07
Tan, X., Cheng, K. S., & Ling, M. H. A. (2025). Artificial intelligence in teaching and teacher professional development: A systematic review. Computers and Education: Artificial Intelligence, 8, Article 100355. https://doi.org/10.1016/j.caeai.2024.100355
Tanchuk, N. J. (2026). AI personalized Learning and the Risk of Epistemic Consolidation. Studies in Philosophy and Education. Advance online publication. https://doi.org/10.1007/s11217-026-10081-4
Tanchuk, N. J., & Taylor, R. M. (2025). Personalized Learning with AI Tutors: Assessing and Advancing Epistemic Trustworthiness. Educational Theory, 75(2), 327–353. https://doi.org/10.1111/edth.70009
Van der Beek, J. P. J., Van der Ven, S. H. G., Van de Weijer-Bergsma, E., & Kroesbergen, E. H. (2025). How feedback affects emotions, performance and self-concept in mathematics. Learning and Instruction, 99, Article 102169. https://doi.org/10.1016/j.learninstruc.2025.102169
Veldhuis, A., Lo, P. Y., Kenny, S., & Antle, A. N. (2025). Critical Artificial Intelligence literacy: A scoping review and framework synthesis. International Journal of Child-Computer Interaction, 43, Article 100708. https://doi.org/10.1016/j.ijcci.2024.100708
Watson, S., & Ennion, M. (2026). Programmable support: Generative AI, behavioural influence, and the mediation of meaning in education. Learning, Media and Technology. Advance online publication. https://doi.org/10.1080/17439884.2026.2642199
Weiner, B. (1985). An attributional theory of achievement motivation and emotion. Psychological Review, 92(4), 548–573. https://doi.org/10.1037/0033-295X.92.4.548
Winder, G. (2026). Wer entscheidet, was wir denken? Epistemisches Auslagern, algorithmische Infrastrukturen und die demokratische Aufgabe der Medienbildung. Medienimpulse, 64(2), 26 Seiten. https://doi.org/10.21243/mi-02-26-12
Downloads
Veröffentlicht
Zitationsvorschlag
Ausgabe
Rubrik
Lizenz
Copyright (c) 2026 Eik Niederlohmann
Dieses Werk steht unter einer Creative Commons Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 International -Lizenz.
