Feedback entlang Ihrer Kriterien.

Eine Rubrik in LearningArc besteht aus Kriterien. Jedes Kriterium trägt einen Namen, ein Gewicht in Prozent und vier Score-Bänder: eine Beschreibung dessen, was 0–3, 4–6, 7–9 und 10 Punkte in diesem Kriterium bedeuten. Die Gewichte einer Rubrik ergeben zusammen 100 Prozent.

Diese Bänder sind der eigentliche Maßstab. Sie sind der Unterschied zwischen „schreib besser“ und „deine These ist erkennbar, aber niemand würde ihr widersprechen“ — die KI zitiert das Band, in dem sie den Text verortet, und begründet, warum.

0–3

Anforderung verfehlt

4–6

erkennbar, aber unscharf

7–9

erfüllt

10

souverän

Die Formulierungen stammen aus Ihrer Rubrik, nicht aus dieser Tabelle — jede Vorlage bringt ausformulierte Bänder mit, die Sie überschreiben können.

Studierende fordern das Feedback selbst an, wenn ihr Entwurf so weit ist. Was zurückkommt, ist nach Ihrer Rubrik sortiert: pro Kriterium ein Score von 0 bis 10, eine Begründung, die sich auf den konkreten Text bezieht, und ein Gesamtwert entlang Ihrer Gewichtung.

Wo ein Kriterium schwach ausfällt und Sie ein Material an genau dieses Kriterium gebunden haben, verlinkt das Feedback es direkt — die Erklärung liegt dort, wo sie gebraucht wird, statt in einer Materialsammlung, die niemand öffnet.

Die Bewertung liest außerdem Ihre Aufgabenstellung mit. Was Sie verlangt haben, ist Teil des Maßstabs; ein Text, der die Aufgabe verfehlt, wird nicht dafür belohnt, dass er gut geschrieben ist.

Der Wert entsteht in der Wiederholung. Wer überarbeitet und erneut anfordert, bekommt nicht nur einen neuen Score, sondern den Verlauf: Die Iterationen einer Abgabe ergeben eine Kurve, und der Vergleich zweier Fassungen zeigt feldgenau, was sich geändert hat und wie sich das je Kriterium ausgewirkt hat.

Genau dafür ist das Produkt gebaut — nicht für ein Urteil am Ende, sondern für die Schleife davor, die an Hochschulen sonst nicht stattfindet, weil zwischen Abgabe und Rückmeldung Wochen liegen.