Het is de derde stapel van dit weekend. De koffie is koud geworden zonder dat je het merkte, en de leerling wiens werk nu bovenop ligt heeft de pech dat je hem om kwart voor elf 's avonds leest in plaats van om tien uur vanochtend. Datzelfde antwoord, geschreven door een klasgenoot die je vanmorgen nakeek, kreeg een half punt meer. Niet omdat het beter was. Omdat jij beter was.
We houden onszelf graag voor dat een cijfer een meting is: houd je aan het correctiemodel, en er rolt één juist getal uit het werk. Maar dat model wordt toegepast door een mens, en een mens is geen instrument. Hij wordt moe, hij vergelijkt, hij vormt een beeld voordat de eerste zin gelezen is. Dat maakt hem geen slechte docent. Het maakt hem een docent.
Een cijfer is minder een meting dan we denken
Neem het contrast-effect. Een redelijk antwoord dat volgt op drie briljante lijkt ineens mager; precies datzelfde antwoord na drie zwakke lijkt een verademing. Je beoordeelt niet het werk, je beoordeelt het werk ten opzichte van wat er net vóór lag. De volgorde in de stapel — willekeurig, door niemand bedacht — schuift ongemerkt mee in het cijfer.
Of het handschrift. Een verzorgd blad leest als een verzorgde gedachte, ook wanneer de gedachte dat niet verdient. Een gehaast, krullerig blad krijgt onbewust net iets minder het voordeel van de twijfel. Niemand doet dat expres, en juist daarom krijg je het er met wilskracht niet uit.
En dan is er nog het beeld dat je van een leerling hebt vóór je begint. De naam bovenaan roept een verwachting op, en die verwachting kleurt hoe royaal je een half-goed antwoord leest. Psychologen noemen het het halo-effect. In de lerarenkamer heet het gewoon: die had ik eigenlijk hoger ingeschat.
De tweede corrector is ook maar een mens
"Maar daar hebben we een tweede corrector voor." Zeker. Alleen is die tweede corrector net zo goed een mens, met een eigen stapel, een eigen humeur en een eigen moment van de dag. Twee beoordelaars maken de gemiddelde fout kleiner — dat is winst. Maar twee mensen samen zijn niet ineens objectief; ze zijn samen iets minder subjectief. Dat is niet hetzelfde.
Bij de herbeoordeling van centrale examens schuiven cijfers dan ook met enige regelmaat: zelfde werk, ander oog, ander getal. We zijn er zo aan gewend dat het ons niet meer verbaast. En dat zou het eigenlijk wél moeten.
Voor jou als docent is zo'n verschuiving een marge. Voor de leerling is het de grens tussen een vijf en een zes — een herkansing, een teleurgestelde ouder aan tafel, een deuk in het vertrouwen die langer meegaat dan het cijfer. Een cijfer is een vonnis geworden, en dat vonnis hing deels af van wanneer op de avond jij het las. Niet alleen van wat erin stond.
Wat een machine wél kan — en wat niet
Hier komt de machine in beeld, en meteen ook waar ze níet voor is. Een AI heeft geen humeur, geen honger en geen mening over krullen. Ze legt langs het driehonderdste antwoord dezelfde lat als langs het eerste, of het nu tien uur 's ochtends is of middernacht. Wat bij een mens onvermijdelijk verschuift — vermoeidheid, volgorde, eerste indruk — staat bij haar stil.
Dat maakt haar niet onfeilbaar, en we doen ook niet alsof. Een AI leest soms een teken verkeerd, plaatst een pagina in de verkeerde bundel, struikelt over een onleesbare naam. Maar het zijn andere fouten: zichtbaar, herleidbaar, en door jou te corrigeren. Geen sluipende ruis die door vierhonderd cijfers kruipt, maar een handvol missers die je er zo uithaalt.
Meten is machinewerk. Oordelen niet.
Zo ontstaat een verdeling die eigenlijk vanzelf spreekt. De consistentie — dezelfde lat voor iedereen, van het eerste blad tot het laatste — laat je aan de machine, want daar is een mens op een vrijdagavond nu eenmaal niet voor gebouwd. Het oordeel houd je zelf: of het antwoord de gedachte raakt, of déze leerling vooruitgaat, welke feedback hem verder brengt. Daarvoor ben je aangenomen. Niet om driehonderd keer feilloos hetzelfde te meten.
Geef het meetwerk dus uit handen aan iets dat er niet moe van wordt. Wat je overhoudt is niet alleen tijd — het is scherpte, voor het deel van het nakijken dat mensenwerk is en blijft.
Benieuwd wat consistent nakijken oplevert? Je kunt toetsen nakijken met AI uitproberen op een voorbeeldproject, zonder dat er een echte leerling aan te pas komt. Eerst zien, dan vertrouwen.