Grading-utfordringer i STEM-fag: Hvorfor dagens løsninger ikke holder

Lærere i STEM-fag står overfor en enorm utfordring. I tillegg til å planlegge og levere undervisning, bruker de en betydelig del av tiden på å vurdere studentenes arbeid. Dette bidrar til høye nivåer av stress, utbrenthet og jobbutfredshet.

Tallene er tydelige. 47% av lærere rapporterer depresjon, angst og panikkangrep på grunn av arbeidsrelatert stress. 81% har vurdert å forlate yrket på grunn av arbeidsbelastning. 31% av britiske lærere jobbet mer enn 51 timer per uke i 2020, hvorav 11 timer gikk til grading alene.

Men kanskje det mest slående tallet er dette: 38% av lærere sier at å løse grading-problemet vil ha størst innvirkning på arbeidsbelastningen, forbedre velværet deres, og tillate dem å bruke mer aktiv tid i klasserommet.

I høyere utdanning håndteres denne arbeidsbelastningen ofte gjennom eksternalisert, tilfeldig timearbeid. Universiteter bruker anslagsvis £132 per student per år på grading og tilbakemelding. Til tross for dette er kvaliteten og aktualiteten av tilbakemelding konsekvent blant de lavest skårende spørsmålene i studentundersøkelser.

Hva med eksisterende løsninger?

Det finnes flere AI-grading løsninger på markedet. EssayGrader og lignende verktøy er designet for å håndtere essay og tekstbasert arbeid. De fungerer godt for fag som engelsk, historie og samfunnsfag.

Men de løser ikke problemene i STEM-fag.

Hvorfor er STEM-grading annerledes?

STEM-fag har unike utfordringer som gjør grading betydelig mer komplekst enn tekstbasert arbeid.

Mange STEM-oppgaver leveres håndskrevet, spesielt i matematikk, fysikk og kjemi. Dette krever avansert OCR-teknologi som kan gjenkjenne matematisk notasjon og formler, håndtere varierende håndskrifter, og detektere tegninger, diagrammer og grafer.

STEM-oppgaver inneholder ofte komplekse matematiske formler, vitenskapelig notasjon, kjemiske ligninger og fysiske formler med greske bokstaver og symboler. Tradisjonelle tekstbaserte AI-systemer kan ikke håndtere denne kompleksiteten.

I motsetning til essay-grading, hvor det ofte er én "riktig" måte å strukturere et svar på, har STEM-problemer ofte flere gyldige løsningsmetoder. En lærer må gjenkjenne ulike tilnærminger, vurdere om metoden er korrekt, gi tilbakemelding på både prosess og resultat, og vurdere delpoeng for delvis korrekt arbeid.

STEM-oppgaver kan også inneholde grafer, diagrammer, kjemiske strukturer, geometriske figurer og skjemaer. Dette krever avansert bildegjenkjenning og analyse som tekstbaserte systemer ikke kan håndtere.

Kanskje viktigst av alt: STEM-grading krever at læreren forstår studentens resonnement, identifiserer feil i tenkeprosessen, gir konstruktiv tilbakemelding på metodikk, og vurderer om studenten har forstått konseptet selv om svaret er feil.

Hva mangler i dagens løsninger?

De fleste eksisterende AI-grading løsninger forutsetter digitalt innlevert tekst. De kan ikke tolke formler og matematisk notasjon. De kan ikke analysere diagrammer, grafer eller tegninger. De er ikke designet for å håndtere flere løsningsmetoder. Og de fokuserer på tekstanalyse, ikke på matematisk eller vitenskapelig resonnement.

Hva trengs egentlig?

En effektiv løsning for STEM-grading må håndtere håndskrevet arbeid ved å bruke avansert OCR og bildegjenkjenning. Den må forstå matematisk notasjon og kunne tolke formler, ligninger og vitenskapelig notasjon. Den må kunne analysere visuelt innhold og gjenkjenne diagrammer, grafer og tegninger.

Men like viktig: Den må kunne lære fra lærerens vurderinger og tilpasse seg ulike løsningsmetoder og vurderingskriterier. Og den må gi meningsfull tilbakemelding – ikke bare identifisere feil, men forklare hvorfor og hvordan man kan forbedre seg.

Potensialet er stort

Forskning viser at effektive AI-grading løsninger kan redusere grading-tid med opptil 74%, øke mengden tilbakemelding til studenter med over 7 ganger, og spare lærere opptil 8 timer per uke. De kan også forbedre konsistensen i vurderinger og gi studenter raskere tilbakemelding, noe som forbedrer læringsutbyttet.

Hvor står vi nå?

Selv om det finnes mange AI-grading løsninger på markedet, løser de fleste ikke de unike utfordringene i STEM-fag. Lærere i matematikk, fysikk, kjemi og ingeniørfag trenger spesialiserte løsninger som kan håndtere håndskrevet arbeid, matematisk notasjon, visuelt innhold og flere løsningsmetoder.

Med 38% av lærere som sier at å løse grading-problemet vil ha størst innvirkning på arbeidsbelastningen, er det klart at det er et stort behov for bedre løsninger. Teknologien eksisterer, men den må være spesialtilpasset for STEM-fagene.

Fremtiden for STEM-grading ligger i løsninger som kombinerer avansert OCR, matematisk forståelse, visuell analyse og maskinlæring som kan lære fra lærerens vurderingsmønstre. Bare da kan vi hjelpe lærerne med å redusere arbeidsbelastningen og fokusere på det som virkelig betyr noe: å undervise.