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, maar omdat jij toen frisser 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, alleen een mens.
Een cijfer is minder een meting dan we denken
Neem het contrasteffect. 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 en 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 docentenkamer 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, en 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 het moment waarop jij het die avond las, niet alleen van wat erin stond.
Wat een machine wél en niet kan
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 wordt om middernacht niet strenger of milder dan om tien uur 's ochtends, en het driehonderdste antwoord leest ze niet met de vermoeidheid van na het tweehonderdste. Vermoeidheid, volgorde en eerste indruk, die bij een mens onvermijdelijk meewegen, spelen bij haar geen rol.
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, en kan een twijfelgeval de ene keer net anders wegen dan de andere. Daarom staat bij elk voorstel waarom de punten zo vallen, en als er een transcriptie is, zie je ook wat Corrigo heeft gelezen. Een misser zie je dan, en je haalt hem eruit voordat hij meetelt.
Meten is machinewerk. Oordelen niet.
Zo ontstaat een verdeling die eigenlijk vanzelf spreekt. Het gelijkmatige werk, elk antwoord langs hetzelfde correctiemodel leggen, van het eerste tot het laatste blad, 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, maar ook scherpte voor het deel van het nakijken dat mensenwerk is en blijft.
Wil je zien 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.