Detailansicht
Wie bewertet man Bewertungskompetenz?
ChatGPT als Unterstützung in der Beurteilung der S-Kompetenz
Markus Humer
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Physik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Lehramt Sek (AB) Unterrichtsfach Biologie und Umweltbildung Unterrichtsfach Physik
Betreuer*in
Martin Hopf
Mitbetreuer*in
Marianne Korner
DOI
10.25365/thesis.80232
URN
urn:nbn:at:at-ubw:1-25144.35933.749118-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In dieser Masterarbeit wird der Frage nachgegangen, ob das generative KI-Sprachmodell ChatGPT zur Bewertung von Bewertungskompetenz eingesetzt werden kann. Das Ziel bestand darin, zu ermitteln, ob und wie mithilfe von ChatGPT reproduzierbare und valide Beurteilungen auf Basis der Vorgaben zweier evaluierter Bewertungsmodelle in praktikabler Weise generiert werden können. Die Grundlage dieser Arbeit bilden die empirischen Arbeiten von Gstall (2024) und Hackner (2025). Diese versuchten dem herausfordernden Problem der Bewertung von Bewertungskompetenz mit neu entwickelten Bewertungsmodellen entgegenzuwirken. Im explorativen Vorgehen wurde ausgelotet, welche Möglichkeiten für eine Beurteilung durch ChatGPT bestehen. Auf Basis der gewonnenen Erkenntnisse wurden die Modelle von Gstall (2024) und Hackner (2025) sowie eine durchdachte Prompting-Strategie genutzt, um Testreihen mit ChatGPT-4o und teilweise mit ChatGPT-5 durchzuführen. Für die Beurteilung durch ChatGPT wurden Aufgaben und Antworten aus den Masterarbeiten von Gstall und Hackner verwendet. Die durchschnittlichen Beurteilungen von ChatGPT wurden mit denen von Physiklehrkräften verglichen und die Ausgaben des Chatbots wurden grob analysiert. Die Auswertung erfolgte größtenteils qualitativ durch Analyse der Ergebnisse. Dabei zeigte sich, dass ChatGPT-4o und ChatGPT-5 modellkonforme Beurteilungen zur Bewertungskompetenz generieren können. Werden diese als Durchschnitt aus mehreren Durchgängen berechnet weisen sie eine mittlere bis hohe Übereinstimmung mit der durchschnittlichen Beurteilung mehrerer Physiklehrkräfte auf. Das Modell von Hackner (2025) scheint besser für die Verwendung mit ChatGPT geeignet zu sein. ChatGPT zeigt eine höhere Konsistenz bei der Beurteilung der gleichen Antwort nach dem Bewertungsmodell als Physiklehrkräfte untereinander. Ein negativer Aspekt der Verwendung des Chatbots ist, dass die Ausgaben fehlerhaft sein können. Dies kann vor allem bei einmaliger Generierung von Beurteilungen problematisch sein. Um die Sicherheit der Beurteilungen zu erhöhen, sind mehrere Bewertungsdurchgänge nötig, was allerdings den Zeitaufwand erhöht. Die Arbeit kommt zu dem Schluss, dass ChatGPT-4o und ChatGPT-5 als unterstützendes Instrument zur Beurteilung der Bewertungskompetenz verwendet werden können, da die Beurteilungen im Durchschnitt nahe an denen Beurteilungen einer Physiklehrkraft liegen. Angesichts der unkomplizierten und schnellen Möglichkeit KI-gestützter Beurteilungen können Physiklehrkräfte auf diese als Unterstützung zurückgreifen. Die Erkenntnisse legen nahe, dass diese gute Richt- oder Vergleichswerte sein können, jedoch nie als alleinige Grundlage für eine Beurteilung verwendet werden sollten.
Schlagwörter
Schlagwörter
(Deutsch)
Bewertungskompetenz S-Kompetenz Physikunterricht Beurteilungsmodell zur S-Kompetenz ChatGPT Künstliche Intelligenz Unterstützung für Lehrkräfte Beurteilung
Autor*innen
Markus Humer
Haupttitel (Deutsch)
Wie bewertet man Bewertungskompetenz?
Hauptuntertitel (Deutsch)
ChatGPT als Unterstützung in der Beurteilung der S-Kompetenz
Paralleltitel (Englisch)
How do you assess socio-scientific reasoning?
Paralleluntertitel (Englisch)
ChatGPT as a support tool for assessing socio-scientific reasoning
Publikationsjahr
2025
Umfangsangabe
151 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Martin Hopf
Klassifikation
81 Bildungswesen > 81.53 Lernbeurteilung
AC Nummer
AC17771910
Utheses ID
78925
Studienkennzahl
UA | 199 | 502 | 523 | 02