EdTechLab
DE
Zurück zu Lab Notes
Technischer Bericht · Lab Note 010 26 Min. gelesen

Prüfungen nach generativer KI: belegte Urheberschaft, Prozessnachweise und Bildschirmprüfungen

Generative KI kann viele unbeaufsichtigte schriftliche Aufgaben auf hohem Niveau bearbeiten. Kein Erkennungssystem kann beweisen, dass sie dafür verwendet wurde. Dieser Bericht erläutert die aktuellen Erwartungen britischer Aufsichtsbehörden und Fachorganisationen, die Forschung zur KI-Erkennung und die technische Gestaltung von Nachweisen, die weiterhin Urheberschaft belegen: beaufsichtigte Arbeitsphasen, Gespräche über die Arbeit, schlanke Prozessdokumentation und sichere Bildschirmprüfungen.

Zielgruppe

Verantwortliche für Prüfungen und wissenschaftliche Integrität, Lerntechnologinnen und Lerntechnologen, Prüfungsbeauftragte und Digitalteams an Hochschulen, Colleges und Schulen sowie Produktteams, die Prüfungswerkzeuge entwickeln.

Autor
EdTechLab-Team
Geltungsbereich
Schulen und Qualifikationen in England; Hochschulbildung im Vereinigten Königreich; sichere Bereitstellung von Bildschirmprüfungen
Stand ab
5. Oktober 2026

Wichtigste Erkenntnisse

  1. Ofqual hat noch nicht entschieden, wie Bildschirmprüfungen reguliert werden sollen. Die Prüfungsaufsicht für England beendete ihre Konsultation am 5. März 2026 und wertet die Antworten weiterhin aus. Vorgeschlagen wurde, Bildschirmprüfungen grundsätzlich nicht zuzulassen, mit Ausnahmen für bis zu zwei neue bildschirmbasierte Prüfungsspezifikationen je Prüfungsanbieter. Ausgeschlossen wären Fächer mit mehr als 100.000 Anmeldungen und private Geräte der Prüflinge; Papier- und Bildschirmprüfungen hätten getrennte Spezifikationen.[1][2]
  2. Das Risiko liegt in unbeaufsichtigten schriftlichen Arbeiten, nicht im Prüfungssaal. Laut Ofqual bleiben beaufsichtigte Prüfungen weitgehend geschützt, und im Curriculum and Assessment Review wurde keine Ausweitung der schriftlichen Kursarbeit empfohlen. Es gibt immer noch wenige nachgewiesene KI-Fälle: 100 im Sommer 2025, 2,0 % der Fälle von Kunstfehlern bei Studierenden.[8][11][17]
  3. Keine der von uns untersuchten britischen Organisationen betrachtet einen Erkennungswert als Beweis. Die Forschung stützt diese Haltung. Ofqual, der Joint Council for Qualifications (JCQ), Jisc und das Office of the Independent Adjudicator (OIA) betrachten KI-Erkennung allenfalls als eine von mehreren Nachweisquellen. In einem Test mit 14 Werkzeugen erreichte keines 80 % Genauigkeit; in einem anderen sank die durchschnittliche Genauigkeit nach einfachen maschinellen Bearbeitungen von 39,5 % auf 22,1 %.[10][14][23][25][29][31]
  4. Studierende verwenden bereits KI für bewertete Arbeiten. In der Umfrage des Higher Education Policy Institute (HEPI) 2026 unter 1.054 britischen Studenten nutzten 94 % generative KI zur Unterstützung bei bewerteten Arbeiten und 12 % hatten KI-generierten Text direkt darin eingefügt.[27]
  5. Bezeichnungen sichern keine Prüfung ab; ihre Struktur tut es. Regeln, die Studierende einfach ignorieren können, ändern wenig. Die überarbeitete KI-Bewertungsskala verknüpft Aufgaben ohne KI mit kontrollierten Umgebungen, und die Richtlinie der Universität Sydney trennt sichere und offene Spuren.[28][34][35]
  6. Die Prozessdokumentation sollte schlank bleiben. JCQ und OIA verweisen auf Entwürfe, Zwischenprüfungen und kurze Gespräche. Tippmuster, die zur Identifizierung einer Person verarbeitet werden, sind biometrische Daten. Das ICO, die britische Datenschutzaufsicht, verlangt vor dem Einsatz eines biometrischen Erkennungssystems eine Datenschutz-Folgenabschätzung (DPIA).[14][25][39][46]
  7. Bei Bildschirmprüfungen muss KI an drei Stellen deaktiviert werden. In den Anweisungen des JCQ seit dem 1. September 2026 heißt es, dass KI aus der Anwendung, dem Betriebssystem und dem Netzwerk stammen kann und dass Zentren ihren Ansatz vor der Prüfung testen müssen.[15]

Wichtige Planungstermine

5. März 2026
Die On-Screen-Konsultation von Ofqual ist beendet. Es versprach Antworten und nächste Schritte im Jahr 2026; Bis zum 5. Oktober war keiner erschienen.[1][2]
1. September 2026
Die JCQ-Prüfungsanweisungen für 2026 traten in Kraft, mit neuen Regeln zum Ausschalten der KI auf Prüfungsgeräten.[15]
Später im Jahr 2026
Das Office for Students (OfS) und Advance HE gehen davon aus, ihre Forschungsergebnisse zu KI in der Hochschulbildung zu veröffentlichen.[20]
10. Dezember 2026 (vorläufig)
Ofquals Kunstfehlerstatistik für Sommer 2026, einschließlich KI-Fällen.[11]

Was generative KI verändert hat

Bei Prüfungen wird vorausgesetzt, dass eine unter dem Namen einer Person eingereichte Arbeit deren eigene Fähigkeiten zeigt. Bei unbeaufsichtigten Arbeiten hebt generative KI diese Annahme auf. In einem Blindversuch an einer britischen Hochschule wurden vollständig von GPT-4 verfasste Antworten in fünf zu Hause bearbeitete Psychologieprüfungen im Bachelorstudium eingeschleust: 94 % blieben unentdeckt. Im Durchschnitt lagen ihre Bewertungen eine halbe Notenstufe über denen der tatsächlich Studierenden.[32] Die HEPI-Umfrage aus dem Jahr 2026 ergab eine nahezu universelle Verwendung für bewertete Arbeiten, wobei einige Studenten Angst davor hatten, fälschlicherweise beschuldigt zu werden.[27]

Die sinnvolle Frage ist daher weniger, ob ein Schüler betrogen hat, als vielmehr, ob einem Ergebnis vertraut werden kann. In einem Papier aus dem Jahr 2024 wird argumentiert, dass die Gültigkeit wichtiger ist als Betrug und dass Anti-Betrugstechnologie die Gültigkeit verschlechtern kann, indem sie beispielsweise Probleme bei der Inklusion schafft.[36] Die Regulierung in England vertritt bereits diese Ansicht: Die OfS-Bedingung B4 verlangt, dass jede Beurteilung gültig und zuverlässig ist, und in ihren Leitlinien heißt es, dass Beurteilungen, die es Schülern ermöglichen, Noten für Arbeiten zu erhalten, die nicht ihre eigenen sind, wahrscheinlich besorgniserregend wären.[18]

Schulen und Qualifikationen: Ofqual und JCQ

Ofqual hat seinen Ansatz zur künstlichen Intelligenz am 16. Juli 2026 aktualisiert. Es wendet seine bestehenden ergebnisbasierten Regeln an, hat den Prüfungsausschüssen mitgeteilt, dass „KI nicht als alleiniger Marker verwendet werden darf“, und urteilt, dass überwachte Prüfungen weitgehend geschützt bleiben, während die Nichtprüfungsbewertung (NEA) größerem Druck ausgesetzt ist.[8] Im März 2026 wurden die Prüfungsausschüsse aufgefordert, sofortige Maßnahmen gegen den Missbrauch von KI zu ergreifen, einschließlich einer strengeren Authentifizierung der Arbeit von Kandidaten und Lehrkräften.[9] In seinem Beratungsvermerk vom April 2026 werden die Gremien aufgefordert, die Belastung jeder Bewertung nach Aufgabe, Leistung, Dauer und Aufsicht zu beurteilen; Erkennungsinstrumente als Beweisquellen und nicht als alleinige Determinanten zu verwenden; und die Streichung oder Ersetzung einer Bewertung zu erwägen, wenn keine wirksame Schadensbegrenzung vorliegt, und gleichzeitig zu prüfen, dass die Schadensminderungen das Bewertete nicht beschädigen.[10]

Es gibt weiterhin wenige entdeckte Fälle. Im Sommer 2025 machten KI-bezogene Plagiate 100 nachgewiesene Fälle aus: 75,0 % der studentischen Plagiatsfälle, aber 2,0 % aller 5.025 studentischen Kunstfehler.[11] Ofqual berichtet von erheblicher Besorgnis unter Lehrern über das mögliche Ausmaß des Missbrauchs.[8]

Für Zentren gelten die Regeln in den Leitlinien von JCQ KI-Einsatz in Beurteilungen; Revision zwei vom 30. April 2025 war am 5. Oktober 2026 noch aktuell. Studierende müssen ihre eigene Arbeit einreichen, jede KI-Nutzung mit dem Namen und Datum des Tools bestätigen und eine nicht bearbeitbare Kopie der Eingabeaufforderungen und Ausgaben aufbewahren. Inhalte, die mithilfe von KI reproduziert werden, werden nicht angerechnet, wenn der Student die Kriterien nicht unabhängig erfüllt hat und KI nicht der einzige Marker sein darf. Zu den empfohlenen Präventionsmaßnahmen gehören die Durchführung von Teilen der Arbeit unter direkter Aufsicht, die Überprüfung von Zwischenphasen, kurze mündliche Diskussionen und die Einschränkung der KI auf zentralen Geräten. Bedenken, die geäußert werden, bevor der Student die Authentifizierungserklärung unterzeichnet, bleiben im Mittelpunkt; Danach gehen sie zur Vergabestelle.[14]

Der Abschlussbericht des Curriculum and Assessment Review (November 2025) stimmte zu: Prüfungen sollten die Hauptform der Bewertung bleiben, schriftliche Kursarbeiten sollten nicht ausgeweitet werden und NEA sollte nur dort eingesetzt werden, wo es die einzig gültige Methode ist. Außerdem wurden das Bildungsministerium (DfE) und Ofqual aufgefordert, die Zeit für die GCSE-Prüfung um mindestens 10 % zu verkürzen.[17]

Bildschirmprüfungen: Was Ofqual vorgeschlagen hat und wo es steht

Die Regeln von Ofqual sagen derzeit nicht aus, ob Prüfungen auf Papier oder am Bildschirm abgelegt werden, und fünf GCSE- und A-Level-Spezifikationen beinhalten bereits Bildschirmkomponenten. In der vom 11. Dezember 2025 bis 5. März 2026 laufenden Konsultation wurde ein kontrollierter Ansatz vorgeschlagen:[1]

  • Standard: Keine Beurteilung am Bildschirm, es sei denn, sie ist integraler Bestandteil des Fachs (Informatik, Britische Gebärdensprache, Musiktechnologie), in bestehenden Spezifikationen und als angemessene Anpassung.
  • Grenze: Bis zu zwei neue Bildschirmspezifikationen pro Prüfungsausschuss, vorbehaltlich der Akkreditierung: höchstens acht über alle vier Prüfungsgremien hinweg.
  • High-Entry-Fächer: keine mit über 100.000 nationalen Einträgen, was bei der Konsultation 13 GCSEs und A-Level-Mathematik bedeutete.
  • Trennung: Papier- und Bildschirmversionen als separate Spezifikationen mit wesentlich unterschiedlichen Fragen; In der Pressemitteilung von Ofqual wurden sie als separate Qualifikationen bezeichnet.[2]
  • Geräte: keine schülereigenen Geräte außer zumutbaren Anpassungen; Für den Unterricht können auch zentrumseigene Geräte genutzt werden.
  • Plattformen: Erwartungen an Benutzerfreundlichkeit, Einarbeitung, Zugänglichkeit, Sicherheit, Infrastruktur und Support, ohne eine einzige vorgeschriebene Plattform; Geräte, die vor der Beurteilung getestet und durch Maßnahmen wie gesperrte Browser geschützt werden.[1]

Vier Forschungsberichte untermauern die Vorschläge.[3] Eine PA Consulting-Studie für Ofqual und das DfE ergab, dass eine groß angelegte Bildschirmbewertung umfangreiche Planung, schrittweise Umsetzung und häufig zusätzliche Investitionen erfordern würde.[4] Eine Umfrage unter 516 Schülern und 500 Eltern im Jahr 2023 ergab Bedenken hinsichtlich technischer Ausfälle, Gerätegerechtigkeit und Sicherheit.[5] Eine Überprüfung ergab, dass das Lesen auf dem Bildschirm oft anspruchsvoller ist, es jedoch kein konsistentes Muster der Moduseffekte gibt.[6] und ein begleitendes Framework lokalisiert Moduseffekte auf Elementebene in vier Phasen: Informationspräsentation, erforderliches Denken, Reaktionsmechanismus und Bewertungsstrategie.[7]

Stand am 5. Oktober 2026: keine Entscheidung. Auf der Konsultationsseite heißt es, dass Ofqual das Feedback analysiert. Ofqual sagte, es werde die Antworten und nächsten Schritte im Jahr 2026 veröffentlichen und detaillierte Regeln befolgen.[1][2]

Hochschulbildung: OfS, QAA, Jisc und OIA

OfS. Bedingung B4 definiert „effektiv bewertet“ und umfasst eine Bewertung, die darauf abzielt, Möglichkeiten für Fehlverhalten zu minimieren und dabei zu helfen, es aufzudecken, und ihre Leitlinien sehen vor, dass Aufzeichnungen über bewertete Arbeiten fünf Jahre lang nach Ende eines Kurses aufbewahrt werden.[18] Das OfS gibt an, dass seine Regulierung keinen bestimmten Umfang oder eine bestimmte Form des KI-Einsatzes erfordert, erkennt jedoch Risiken für die Integrität und die Glaubwürdigkeit der Bewertung an.[19]

Qualitätssicherung. In der Empfehlung der Quality Assurance Agency aus dem Jahr 2023 heißt es, dass KI-Ausgaben nicht zuverlässig erkannt werden können, und es wird vorgeschlagen, den Bewertungsumfang zu reduzieren und synoptischere und authentischere Aufgaben zu verwenden.[21] Das Toolkit vom November 2025 von Universitäten unter der Leitung der Kingston University empfiehlt, hochriskante und stark gewichtete Beurteilungen zu priorisieren; eine Kategorie ohne KI nur dann, wenn die Bewertung kontrolliert oder dialogisch erfolgt; und achten Sie auf die Falschmeldungen der Erkennung und die Leichtigkeit der Umgehung.[22] Die Grundsätze der Russell Group aus dem Jahr 2023 verpflichten ihre Mitglieder, die Bewertung an den ethischen Einsatz von KI anzupassen und die akademische Integrität zu wahren.[26]

Jisc. Das Nationale Zentrum für KI von Jisc sagt, die Stimmung habe sich „deutlich weg von der automatisierten KI-Erkennung“ verschoben. Entscheidungen sollten niemals ausschließlich auf der Entdeckung durch ein Werkzeug oder eine Person beruhen; Das Personal darf Schülerarbeiten nicht durch online gefundene Detektoren laufen lassen. und jeder, der einen Detektor verwendet, sollte in der Lage sein, eine DPIA dafür vorzulegen. Im Großen und Ganzen würde eine Falsch-Positiv-Rate von 1 % bei 480.000 Bewertungen etwa 4.800 Falschmeldungen pro Jahr bedeuten.[23]

OIA. Das OIA, das Hochschulbeschwerdesystem für England und Wales, sagt, dass der Anbieter einen Fall von KI-Fehlverhalten nachweisen muss; Die Schüler sollten alle Beweise sehen, einschließlich der Entdeckungsberichte. Die Grenzwerte der Detektoren müssen gegen andere Beweise abgewogen werden. eine Viva sollte sich auf den Inhalt der Arbeit konzentrieren; und Annahmen über den KI-Einsatz sollten auf Voreingenommenheit gegenüber Schülern mit Behinderungen und solchen, deren Muttersprache nicht Englisch ist, überprüft werden.[25]

Im Ausland kündigte die University of Sydney ab dem 2. Semester 2025 einen „zweispurigen“ Ansatz an: sichere, persönliche Bewertung der Lernergebnisse und offene Bewertung, die alle relevanten Tools ermöglicht.[28]

Was die Beweise über die KI-Erkennung sagen

In einer Studie aus dem Jahr 2023 wurden 54 Testdokumente durch 14 Detektoren laufen gelassen, darunter zwei kommerzielle Systeme: Keines erreichte eine Genauigkeit von 80 %, die Tools tendierten dazu, KI-Text als menschlich zu klassifizieren, und die Verschleierung verschlechterte die Ergebnisse.[29] Eine Studie aus dem Jahr 2024 mit sechs Detektoren (805 Tests) ergab eine durchschnittliche Genauigkeit von 39,5 % bei unverändertem KI-Text, 67 % bei von Menschen geschriebenen Kontrollen und 22,1 % nach einfachen maschinellen Bearbeitungen; Die Autoren kommen zu dem Schluss, dass Detektoren derzeit nicht zur Entscheidung von Integritätsfällen empfohlen werden können.[31] In einem Meinungsartikel wurde über ein kleines Experiment berichtet, bei dem sieben Detektoren durchschnittlich 61,3 % der Aufsätze von nicht-muttersprachlichen englischen Autoren fälschlicherweise als KI-generiert markierten; Nachdem ChatGPT den Wortschatz der Aufsätze erweitert hatte, sank die Rate auf 11,6 %.[30]

Abbildung 1

Oberfläche bearbeitet Swing-Detektor-Ergebnisse

Dieselben Texte, bewertet wie geschrieben und noch einmal nach automatisierten Oberflächenbearbeitungen.

  1. KI-geschriebene Texte korrekt identifiziert Mittelwert von sechs Detektoren, 2024 · 805 Tests · unverändert, dann nach Bearbeitungen wie hinzugefügten Rechtschreibfehlern
  2. Von Menschen verfasste Aufsätze wurden fälschlicherweise als KI gekennzeichnet Durchschnitt von sieben Detektoren, 2023 · 91 Aufsätze von nicht-muttersprachlichen englischen Autoren · wie geschrieben, dann nach der Erweiterung des Wortschatzes durch ChatGPT

Prozentsatz der Texte (jede Zeile gibt ihr eigenes Maß an)

Die Zeilen messen unterschiedliche Dinge in verschiedenen Studien und sind nicht miteinander vergleichbar. Beide zeigen, dass sich die Detektorausgaben mit den Oberflächenmerkmalen eines Textes bewegen: Verschleierter KI-Text wurde seltener erfasst und von ChatGPT polierte menschliche Aufsätze wurden seltener markiert. Die zweite Zeile stammt aus einem Meinungsartikel, der über ein kleines Experiment berichtet. Quellen: [31][30]
Zeigen Sie Abbildung 1 als Tabelle an
Detektorergebnisse vor und nach Oberflächenbearbeitungen aus zwei Studien
MessenWie geschriebenNach Oberflächenbearbeitungen
KI-geschriebene Texte korrekt identifiziert (sechs Detektoren, 2024)39.5%22.1%
Essays von nicht-muttersprachlichen englischen Autoren, die als KI gekennzeichnet sind (sieben Detektoren, 2023)61.3%11.6%

Jisc weist darauf hin, dass die am besten bezahlten Tools inzwischen Falsch-Positiv-Raten von etwa 1 bis 2 % melden, solche Zahlen jedoch schnell veraltet sind.[23] Die Schlussfolgerung stimmt mit der der Regulierungsbehörden überein: Ein Detektorwert kann ein Gespräch auslösen, aber keinen Fall entscheiden.[10][25]

Gestaltungsrahmen: Maßstäbe, Spuren und Strukturwandel

Eine häufige erste Reaktion bestand darin, den Schülern anhand von Ampeln oder Skalen wie der fünfstufigen AI Assessment Scale (AIAS) von 2024 mitzuteilen, welche KI-Anwendungen erlaubt sind.[33] In einem Artikel aus dem Jahr 2025 werden diese Änderungen als diskursiv bezeichnet: Sie beruhen auf Anweisungen, die Schüler ignorieren können, wodurch eine „Durchsetzungsillusion“ entsteht. Es plädiert für strukturelle Veränderungen der Mechanik der Aufgabe selbst.[35] Das im Dezember 2025 überarbeitete AIAS führt jetzt No AI, AI Planning, AI Collaboration, Full AI und AI Exploration aus. Stufe 1 erfordert eine kontrollierte Umgebung und muss dennoch unterstützende Technologie ermöglichen; Das Umbenennen einer unveränderten Aufgabe verbessert die Gültigkeit nicht. und die Skala wird als Ergänzung zu zweispurigen Modellen dargestellt, bei denen es um Sicherheit geht.[34]

Die Arbeitsregel: Entscheiden Sie für jedes Programm, welche Ergebnisse in einem sicheren Bereich, unter Aufsicht oder im Gespräch nachgewiesen werden müssen, und gestalten Sie den Rest als offenen Bereich, in dem der Einsatz von KI angenommen und, wo sinnvoll, bewertet wird.

Bewertungsansätze im Vergleich hinsichtlich Validität für Urheberschaft, Sicherheit, Bereitstellungsaufwand und Zugänglichkeit
AnsatzGültigkeit für UrheberschaftSicherheitLieferaufwandBarrierefreiheit
Aufsatz oder Prüfung zum MitnehmenEs kann nicht bestätigt werden, wer die Arbeit ausgeführt hat[32]Niedrig: Basiert auf Deklarationen[21]NiedrigHoch: übliche Werkzeuge
Kursarbeit mit KontrollpunktenZeigt die Entwicklung im Laufe der Zeit[14]Moderat: Zugluft kann umgangen werden[34]Mäßig: Überprüfung in jeder PhaseBeweisforderungen können manche benachteiligen[34]
Offene Aufgabe mit künstlicher IntelligenzGültig, wenn der Einsatz von KI Teil des Ergebnisses ist[21]Keine beabsichtigt: Gehen Sie von der Verwendung von KI aus[34]Neugestaltung, dann laufende Überprüfung[21]Benötigt fairen Zugang zu KI-Tools[21]
Beaufsichtigte Aufgabe im UnterrichtZeigt die Leistung ohne Unterstützung an[34]Stark, wenn bei Geräten die KI ausgeschaltet ist[14]Mäßig: UnterrichtszeitGut mit Textverarbeitungsprogrammen[16]
Viva oder interaktive mündliche VerhandlungTestet Verständnis und Autorenschaft[21][25]Starke Abschreckung[21]Hoch: Personalzeit, kleine Gruppen[21]Für manche stressig; Passen Sie Sprache und Hören an[21]
Beaufsichtigte BildschirmprüfungHängt vom Design ab; Moduseffekte möglich[6]Gut mit verwalteten Geräten und Sperrung[15][21]Hoch: Geräte, Tests, Support[1][15]Eingebaute Stützen, sofern entworfen und getestet[1]
Fernbeaufsichtigte PrüfungWie auf dem Bildschirm, in einem unkontrollierten RaumEingeschränkt: andere Geräte in Reichweite[21]Mäßig bis hoch: Flags werden überprüft[13]Datenschutzbedenken; Biometrie braucht eine Alternative[13][46]
Handschriftliche AufsichtsprüfungProbenergebnisse; enge Kompetenzen[21]Stark[21]Hohe Ansprüche an das Anwesen[21]Für manche schlecht; QAA nennt es regressiv[21]

Qualitative Zusammenfassung der zitierten Quellen. Zellen ohne Zitat sind das Urteil des EdTechLab-Teams.

Beweisverfahren ohne Überwachung

Prozessnachweise zeigen, wie die Arbeit entstanden ist: Gliederungen, Entwürfe, Versionsverlauf, Checkpoint-Feedback und, wo KI erlaubt ist, ein kurzes Prompt-Protokoll oder eine kurze Reflexion.[14][34] JCQ schlägt vor, zu überprüfen, ob eine Einreichung frühere Phasen fortsetzt, und das OIA erwartet, dass Studenten um Notizen oder Entwürfe gebeten werden und ihnen mitgeteilt werden, was die zugrunde liegenden Dateimetadaten voraussichtlich zeigen.[14][25] Seine Grenzen sind real: Versionsgeschichten können umgangen werden, und die Forderung, die Urheberschaft nachzuweisen, kann Studierende ohne kostenpflichtige Tools benachteiligen.[34] Prozessbeweise stützen ein Gespräch; es ersetzt keinen.

Warum die Protokollierung von Tastenanschlägen ein hohes Risiko darstellt. Einige Tools zeichnen jeden Tastendruck auf. Studien zu groß angelegten Schreibbewertungen zeigen, dass solche Protokolle Originaltexte von kopierten Texten mit einer Genauigkeit von über 89 % in den Betriebsdaten unterscheiden können, aber die Tastenanschlagsanalyse wird auch zur Authentifizierung von Benutzern verwendet.[39] Auf Rohprotokollen trainierte Modelle wurden verwendet, um stabile persönliche Merkmale zu messen.[40] und darauf aufbauende Detektoren müssen auf Fairness getestet werden.[38] Nach der britischen DSGVO handelt es sich bei der Art und Weise, wie jemand etwas tippt und verarbeitet wird, um ihn zu identifizieren, um biometrische Daten einer besonderen Kategorie. Laut ICO ist eine ausdrückliche Zustimmung wahrscheinlich die geeignete Bedingung, Personen, die dies ablehnen, muss eine geeignete Alternative angeboten werden und vor jedem biometrischen Erkennungssystem muss eine DPIA erfolgen.[46] Die Verfolgung des Online-Verhaltens steht auch auf der Liste der Verarbeitungen des ICO, für die eine DPIA erforderlich ist.[47] Der Prüfungsbericht des ICO vom Juni 2026 ergab jedoch, dass über 40 % der geprüften Edtech-Anbieter keine DPIA für ihr Produkt hatten.[48]

Ein proportionales Design sammelt das Mindeste, was die Frage beantwortet: datierte Meilensteine ​​statt Tastenanschlagströme, die für einen festgelegten Zeitraum aufbewahrt und für den Schüler sichtbar sind. Das ist es, was die Datenminimierung verlangt: Daten, die angemessen, relevant und auf das Notwendige beschränkt sind.[47]

Mündliche und persönliche Kontrollen in großem Umfang

Ein kurzes Gespräch über ein Werk ist der direkteste Test für die Urheberschaft. QAA beschreibt strukturierte mündliche Vorträge von zwei oder mehr Prüfern mit klaren Rubriken und Mini-Vivas, in denen kleine Gruppen ihre Einreichungen diskutieren, die sowohl beglaubigt als auch bewertet werden. Mündliche Prüfungen beanspruchen viel Zeit für das Personal, können stressig sein und erfordern eine faire Behandlung von Schülern mit Sprachbehinderungen oder unterschiedlichen Akzenten.[21] Eine auf einer Umfrage basierende Studie zu Aufgaben, die mit einem Gerüst versehen wurden und mit interaktiven mündlichen Vorträgen endeten, ergab, dass diese dazu beitrugen, Fehlverhalten zu verhindern.[37] In der Praxis:

  • Terminplanung. Buchen Sie kurze Slots und wechseln Sie die Fragevarianten, da frühe Kandidaten Fragen weitergeben können.[21]
  • Rubriken. Markieren Sie eine veröffentlichte Rubrik, die sich auf den Inhalt der Arbeit konzentriert und dabei berücksichtigt, wie lange die Arbeit zurückliegt.[25]
  • Aufnahme. Wenn Aufzeichnungen in die Bewertungsaufzeichnung aufgenommen werden, planen Sie die OfS-Erwartung einer fünfjährigen Aufbewahrung ein.[18] Bei einer einfachen Erfassung handelt es sich nicht um biometrische Daten; Die Analyse einer Stimme, um jemanden zu identifizieren, würde es ermöglichen.[46]
  • Anpassungen. Bei mündlichen Prüfungen gilt die gleiche Pflicht, angemessene Anpassungen vorzunehmen wie bei jeder Beurteilung.[45]

Sichere Lieferung auf dem Bildschirm

Verwaltete Geräte oder bringen Sie Ihre eigenen mit. Für GCSEs und A-Levels schlägt Ofqual vor, die eigenen Geräte der Schüler auszuschließen, es sei denn, es handelt sich um angemessene Anpassungen.[1] Die Hochschulen entscheiden selbst. Safe Exam Browser (SEB), ein Open-Source-Lockdown-Browser, unterstützt nicht verwaltete Laptops durch verschlüsselte Einstellungen pro Prüfung, die das Prüfungssystem überprüfen kann.[43] Die Qualitätssicherung stellt jedoch fest, dass Remote-Kandidaten weiterhin andere Geräte erreichen können.[21]

Sperrung und Netzwerkisolation. SEB koppelt eine Kioskanwendung mit einem Browser ohne Adressleiste, filtert URLs anhand einer Zulassungsliste, erkennt virtuelle Maschinen und pinnt Serverzertifikate. Wenn „Browser- und Konfigurationsschlüssel verwenden“ aktiviert ist, wird bei jeder Anfrage ein Hash des Konfigurationsschlüssels der Prüfung gesendet, damit das Prüfungssystem seine Konfiguration überprüfen kann. Mit der Veröffentlichung im September 2026 für macOS und iOS wurde ein Fehler bei der Zertifikatsvalidierung behoben, eine Erinnerung daran, Kunden auf dem Laufenden zu halten.[43] In Moodle 5.2 kann ein Quiz „die Verwendung eines sicheren Prüfungsbrowsers erfordern“, zulässige Browser-Prüfungsschlüssel auflisten, URLs filtern und ein Beendigungskennwort festlegen.[44] Die Anweisungen von JCQ aus dem Jahr 2026 fügen hinzu, dass KI von der Anwendung, dem Betriebssystem und dem Netzwerk ausgehen kann, daher dürfen Zentren „nicht davon ausgehen, dass das Ausschalten eines dieser Elemente ausreicht“, müssen ihren Ansatz testen und müssen unbefugte Kommunikation mit anderen Computerbenutzern verhindern.[15]

Belastbarkeit. Ein Scheitern ist nicht hypothetisch: In einer Umfrage von Ofqual meldeten 27 % der Schulen zwischen 2025 und 2026 einen Cybervorfall, und Ofqual weist auf die Unsicherheit für Schüler hin, wenn Studienleistungen oder Noten verloren gehen.[12] Ofquals Definition der Bildschirmbewertung umfasst Offline- und Hybridbereitstellung, bei der während der Prüfung keine Internetverbindung erforderlich ist.[1] Das Quiz von Moodle speichert geänderte Antworten nach einer Verzögerung, standardmäßig 60 Sekunden, und seine SEB-Einstellungen warnen, dass das Offline-Neuladen einer Seite das Offline-Caching unterbrechen kann.[44] JCQ verlangt von den Zentren, dass sie die Software vor dem Prüfungstag testen und mindestens einen Ersatzcomputer bereithalten, und seine Fehlerverfahren sollten es einem Kandidaten ermöglichen, woanders oder später weiterzumachen, ohne Arbeitszeit zu verlieren.[15]

Eine sichere Prüfungssitzung auf dem Bildschirm, Schritt für Schritt

  1. Wochen zuvorBereiten Sie sich vor und proben SieGeräte im Eigentum des Prüfungszentrums erfüllen die Mindestanforderungen; Prüfungssoftware und Sperrclient sind installiert und getestet; eine Übungssitzung findet auf derselben Plattform statt; ein Ausweichstandort ist vorgesehen.
  2. PrüfungsaufbauSperren Sie die SitzungErfordern Sie den Sperrbrowser, überprüfen Sie ihn Config Key oder erlaubte Browser-Prüfungsschlüssel, setzen Sie nur die Prüfungshosts auf die Zulassungsliste, legen Sie ein Beendigungskennwort fest und schalten Sie AI in der Anwendung, im Betriebssystem und im Netzwerk aus.
  3. AnkunftIdentifizieren und setzenÜberprüfen Sie die Identität, geben Sie zu Beginn Anmeldedaten mit unterschiedlichen Passwörtern pro Sitzung ein und führen Sie einen Sitzplan, der jedes Gerät identifiziert, mit Bildschirmen im Abstand von 1,25 m oder geteilt.
  4. WährendSpeichern und überwachenAntworten automatisch speichern; mindestens eine Aufsichtsperson pro 20 Kandidaten; ein vom Personal überwachter Kontrollzentrumsarbeitsplatz; Die Zeit pro Kandidat überschreibt die zusätzliche Zeit.
  5. Bei FehlerErholen Sie sich ohne ZeitverlustVerschieben Sie den Kandidaten auf einen freien Arbeitsplatz oder einen späteren Steckplatz. Die Aufsichtsperson kontrolliert den Neustart, setzt die Zeitplanung zurück und stellt frühere Antworten wieder her, sofern dies möglich ist, oder wechselt zu Papier.
  6. SchließenSenden und sperrenBestätigen Sie, dass die Arbeit jedes Kandidaten eingereicht wurde, entziehen Sie den Zugriff auf Benutzerbereiche zwischen den Sitzungen und melden Sie alles, was die Integrität beeinträchtigt haben könnte.
Quellen: Ofquals Beratung, JCQs 2026-Anweisungen für Bildschirmprüfungen, Safe Exam Browser-Dokumentation und der Moodle 5.2-Quellcode.[1][15][43][44]

Lernmanagementsysteme. Anbieterneutral handelt es sich bei der Anforderung um eine Quiz-Engine, die einen Lockdown-Client anfordern und verifizieren, automatisch speichern und individuelle Zeitverlängerungen gewähren kann. Das Kernquiz von Moodle erfüllt alle drei Aspekte, mit integrierter SEB-Unterstützung und Benutzerüberschreibungen für Zeitlimits.[44] SEB listet kompatible Modi auch in anderen Systemen auf, einschließlich Canvas über Tools von Drittanbietern.[43]

Artikelbanken und Portabilität mit QTI 3.0

Getrennte Papier- und Bildschirmspezifikationen mit wesentlich unterschiedlichen Fragen bedeuten größere Artikelbanken,[1] und Moduseffekte auf Elementebene bedeuten, dass jedes Element aufzeichnen sollte, wie es sich auf dem Bildschirm verhält.[7] Die 1EdTech Question and Test Interoperability (QTI) 3.0-Spezifikation verschiebt Elemente, Tests und Ergebnisse zwischen Autorentools, Artikelbanken und Bereitstellungssystemen und fügt HTML5-Unterstützung, ein gemeinsames Präsentationsvokabular, adaptive Tests und integrierte Barrierefreiheit hinzu.[41]

Die Zugänglichkeit wandert mit dem Artikel. Über Personal Needs and Preferences (PNP) 3.0-Profile kann ein Liefersystem Tools hinzufügen, Einstellungen wie Zeitlimits ändern oder Aufsichtspersonen informieren. Alternative Inhalte befinden sich in QTI-Katalogen im Element (qti-catalog-info, halten qti-card Elemente, deren support Attributnamen, die einen Bedarf haben, wie z spoken, braille oder sign-language).[41] Eine Begleitspezifikation, bei der es sich noch um eine endgültige Veröffentlichung handelt, definiert ein Format für die Meldung von Artikelstatistiken.[42]

Zugänglichkeit und Zugangsregelungen

Jeder Weg zu authentifizierter Arbeit muss dem Equality Act 2010 entsprechen. Abschnitt 20 legt die Pflicht fest, angemessene Anpassungen vorzunehmen, einschließlich zugänglicher Informationen; § 91 gilt für weiterführende und höhere Bildungseinrichtungen; Abschnitt 96 wendet es auf Qualifikationsstellen an, die Regulierungsbehörde kann jedoch Anpassungen festlegen, die unter Berücksichtigung der Zuverlässigkeit der Qualifikation und des öffentlichen Vertrauens nicht vorgenommen werden sollten.[45] Die Zugriffsvereinbarungen von JCQ erlauben einen Textverarbeitungsrechner, wenn dies der normalen Arbeitsweise des Kandidaten entspricht, mit deaktivierten Rechtschreib- und Grammatikprüfungen, und einen Computerleser auch bei Arbeiten, die das Lesen testen, vorausgesetzt, dass auf dem Computer keine andere Software installiert ist, die hilfreich sein könnte.[16] Ofqual würde als sinnvolle Anpassung die Bereitstellung der Bildschirmdarstellung beibehalten und sagt, dass es behinderten Schülern nur hilft, wenn es auf Barrierefreiheit ausgelegt, mit einer Reihe von Benutzern getestet und durch Einarbeitung gestützt wird.[1]

Das Risiko besteht in beide Richtungen. QAA warnt davor, dass der Einsatz handschriftlicher Prüfungen die Fortschritte bei der Barrierefreiheit zunichte machen würde.[21] und eine Jisc-Community-Diskussion ergab, dass No-AI-Regeln dazu führen können, dass Schülern Hilfsmittel entzogen werden, die sie bereits verwenden, von denen einige durch die Behindertenbeihilfe finanziert werden.[24] Schreiben Sie die Ausnahme für unterstützende Technologien in die Regel, testen Sie Sperrkonfigurationen mit Bildschirmleseprogrammen und gewähren Sie zusätzliche Zeit durch Überschreibungen pro Kandidat.[34][44]

Fernüberwachung und Biometrie

Ofquals Studie zur Fernüberwachung aus dem Jahr 2023 ergab, dass die Live-Überwachung dem Personal ermöglicht, einzugreifen, während die Aufzeichnung und Überprüfung weniger kostet und einfacher skalierbar ist, Probleme aber erst im Nachhinein erkennt; Raumscans, Lockdown-Tools und Schwellenwerte für die Kennzeichnung von Filmmaterial bedürfen alle einer Beurteilung. Die Forschung geht auf die Zeit vor der generativen KI zurück und ist keine Bestätigung für eine weit verbreitete Verwendung bei der Bewertung von Risiken, bei denen viel auf dem Spiel steht.[13] Im Jahr 2026 bekräftigte Ofqual die hohe Messlatte dafür, dass Fernbeweise jedem Lernenden zuzurechnen sind, und bekräftigte seine Bedenken, sich bei der Fernüberwachung allein auf KI zu verlassen.[8]

Wir haben keine ICO-Anleitung speziell für die Online-Überwachung gefunden. Seine biometrischen Leitlinien gelten immer dann, wenn ein System Gesichter oder Stimmen vergleicht, um Kandidaten zu identifizieren: Die Daten gehören zu einer besonderen Kategorie, die Einwilligung erfordert eine echte Alternative, Machtungleichgewichte müssen berücksichtigt werden und eine DSFA muss an erster Stelle stehen.[46] In der DPIA-Liste werden Eye-Tracking und Fernarbeit unter Tracking genannt,[47] und sein Edtech-Auditbericht vom Juni 2026 fragten Anbieter, ob die Erfassung biometrischer Daten von Kindern wirklich notwendig und verhältnismäßig ist.[48] Für die meisten Situationen im Vereinigten Königreich ist die persönliche Überwachung daher die Standardeinstellung und die Fernüberwachung eine Ausnahme mit einer echten Alternative.

Checkliste für die Umsetzung

  • Ordnen Sie jedes Programmergebnis einer sicheren Spur (überwacht oder mündlich) oder einer offenen Spur (KI-Annahme) zu.
  • Ändern Sie die Aufgabe, nicht nur ihre Bezeichnung: Mechanik, Kontrollpunkte und Markierungskriterien
  • Veröffentlichen Sie bewertungsspezifische KI-Regeln mit einer Ausnahme für unterstützende Technologien
  • Entscheiden Sie niemals einen Fall anhand einer Detektorpunktzahl; Wenn einer verwendet wird, wählen Sie ihn institutionell aus, decken Sie ihn mit einer DSFA ab und teilen Sie den Bericht
  • Sammeln Sie datierte Meilensteine, keine Tastenanschlag-Streams; Legen Sie die Aufbewahrung fest und zeigen Sie den Schülern, was aufbewahrt wird
  • Kein Tastendruck oder biometrische Erfassung ohne DPIA, ein Notwendigkeitstest und eine echte Alternative
  • Führen Sie kurze, strukturierte mündliche Vorträge mit einer veröffentlichten Rubrik, rotierenden Fragen und aufgezeichneten Entscheidungen durch
  • Verwenden Sie zentrumseigene, verwaltete Geräte für anspruchsvolle Prüfungen und proben Sie auf derselben Plattform
  • KI in der Anwendung, im Betriebssystem und im Netzwerk ausschalten und vor dem Prüfungstag testen
  • Einen verifizierten Lockdown-Client fordern, Prüfungshosts auf die Zulassungsliste setzen und die Clients stets gepatcht halten
  • Automatisch speichern, ein Ersatzgerät behalten, Dokumente ohne Zeitverlust neu starten und einen Papierfallback durchführen
  • Speichern Sie Artikel in QTI 3.0 mit PNP-Unterstützung, wenn es auf Portabilität ankommt
  • Behandeln Sie die Fernüberwachung als Ausnahme mit einer DSFA und einer persönlichen Alternative

Wo EdTechLab steht

Wir bieten keine Prüfungsdurchführung, Aufsicht oder KI-Erkennung an. Unsere Plattformen stehen auf der Evidenzseite der Bewertung. In intle werden Antwortschlüssel validiert und Fragen auf häufige Schreibfehler bei jeder Generation überprüft, und intle bietet Schwierigkeits- und Diskriminierungsanalysen pro Frage für gehostete Sitzungen auf höheren Ebenen an. EngagedLab erstellt Evidenzberichte pro Ziel, wobei die Kohortenzahlen unter 5 Lernende liegen.

Wenn ein Kundenprojekt eine sichere oder authentifizierte Bewertung erfordert, gehen wir von dem aus, was die Bewertung zeigen muss und was die Regulierungsbehörde verlangt: Zuordnung der Ergebnisse zu sicheren und offenen Fahrspuren, Ausfüllen einer DSFA vor der Erfassung von Prozessdaten, Bevorzugung von Meilensteinen und kurzen strukturierten Gesprächen gegenüber Tastendruck oder biometrischer Erfassung und Testen des gesamten Bereitstellungsstapels, einschließlich unterstützender Technologie, vor jeder Live-Sitzung.

Grenzen dieses Berichts

  • Dies sind allgemeine Informationen, keine Rechtsberatung. Regulatorische und rechtliche Aspekte beschreiben die zitierten Dokumente in ihrem Stand vom 5. Oktober 2026.
  • Die On-Screen-Maßnahmen von Ofqual sind Vorschläge; seine Entscheidungen können unterschiedlich sein.
  • Wir haben weder die Regulierungsbehörden in Schottland, Wales oder Nordirland noch die Plattformregeln der Vergabeorganisationen überprüft.
  • Erkennungsstudien testen bestimmte Werkzeug- und Modellversionen, die sich schnell ändern; Einige sind klein und einer ist ein Meinungsartikel.
  • Bei der HEPI-Umfrage handelt es sich um eine gesponserte Umfrage unter 1.054 Studenten, nicht um eine Volkszählung.
  • Die Forschung zu Tastenanschlägen basiert auf Laborstudien und groß angelegten Schreibtests, nicht auf Kursarbeiten.
  • Wir haben Safe Exam Browser, Moodle oder andere Überwachungsprodukte für diesen Bericht nicht getestet.

Referenzen

Zugriff am 5. und 6. Oktober 2026.

  1. Ofqual. Regulierung der Bildschirmbewertung (Konsultation, 11. Dezember 2025 bis 5. März 2026; Statusseite und Konsultationsdokument). Quelle
  2. Ofqual. Ofqual startet Konsultation zum Schutz von Standards bei Bildschirmprüfungen (Pressemitteilung, 11. Dezember 2025). Quelle
  3. Ofqual. Beurteilung auf dem Bildschirm: die Evidenzbasis für die Konsultation von Ofqual (11. Dezember 2025). Quelle
  4. PA-Beratung für Ofqual und das Bildungsministerium. Forschungsstudie zur On-Screen-Bewertung (Dezember 2025). Quelle
  5. El Masri Y, Stratton T. On-Screen-Bewertungen in sitzungsspezifischen High-Stakes-Qualifikationen in England: Chancen und Risiken in den Augen von Schülern und Eltern. Ofqual-Forschungsbericht 25/7279, 2025. Quelle
  6. Dodds HJ, El Masri Y, Stratton T. Bildschirmbewertung und Moduseffekte: eine Überprüfung der Auswirkungen der Bildschirmbewertung auf das Engagementniveau, die kognitiven Anforderungen und die Leistung. Ofqual-Forschungsbericht 25/7280, 2025. Quelle
  7. Sweiry E. Moduseffekte verstehen: ein Rahmen zur Vorhersage von Leistungsunterschieden bei gleichwertigen papierbasierten und digitalen Testobjekten. Ofqual, 2025. Quelle
  8. Ofqual. Ofquals Ansatz zur Regulierung des Einsatzes künstlicher Intelligenz im Qualifikationsbereich (aktualisiert am 16. Juli 2026). Quelle
  9. Ofqual. Brief an die Geschäftsführer der Auszeichnungsorganisation über Fehlverhalten (3. März 2026). Quelle
  10. Ofqual. Fehlverhalten und Beurteilung künstlicher Intelligenz: Hinweis (27. April 2026). Quelle
  11. Ofqual. Kunstfehler in GCSE, AS und A Level: Prüfungsreihe Sommer 2025 (offizielle Statistik, 11. Dezember 2025) und Veröffentlichungsankündigung für die Sommerserie 2026 (vorläufig, 10. Dezember 2026). Quelle
  12. Ofqual. Schulen machen Fortschritte in der Cybersicherheit, da sich die Wiederherstellungszeiten verbessern (Pressemitteilung, 1. Oktober 2026; Teacher Tapp-Umfrage vom 13. Juli 2026). Quelle
  13. Ofqual. Fernüberwachung in beruflichen und technischen Qualifikationen (18. Juli 2023). Quelle
  14. Gemeinsamer Rat für Qualifikationen. KI-Einsatz in Beurteilungen: Ihre Rolle beim Schutz der Integrität von Qualifikationen, Revision zwei (30. April 2025). Quelle
  15. Gemeinsamer Rat für Qualifikationen. Hinweise zur Durchführung von Prüfungen, gültig ab 1. September 2026 (Absätze 14.24 bis 14.25 und Abschnitt 32). Quelle
  16. Gemeinsamer Rat für Qualifikationen. Zugangsregelungen und angemessene Anpassungen (aktualisiert im März 2026, gültig für 2026/27). Quelle
  17. Ministerium für Bildung. Abschlussbericht zur Überprüfung des Lehrplans und der Bewertung: Aufbau eines erstklassigen Lehrplans für alle (unabhängiger Bericht, 5. November 2025). Quelle
  18. Büro für Studierende. Regulierungsrahmen für die Hochschulbildung in England, Bedingung B4: Bewertung und Auszeichnungen, mit Anleitung. Quelle
  19. Büro für Studierende. Innovationen in der Hochschulbildung fördern: Unser Ansatz zur künstlichen Intelligenz (Blog, 5. Juni 2025). Quelle
  20. Büro für Studierende. OfS arbeitet mit Advance HE zusammen, um zu erforschen, wie Universitäten und Hochschulen künstliche Intelligenz nutzen (27. Mai 2026). Quelle
  21. Qualitätssicherungsagentur für Hochschulbildung. Überprüfung der Bewertung für die ChatGPT-Ära: QAA-Ratschläge zur Entwicklung nachhaltiger Bewertungsstrategien (31. Juli 2023). Quelle
  22. Qualitätssicherungsagentur für Hochschulbildung. Ein evidenzbasiertes Toolkit zur Nutzung generativer KI zur Unterstützung der Absolventen der Zukunft (Collaborative Enhancement Project, 21. November 2025). Quelle
  23. Jisc Nationales Zentrum für KI. KI-Erkennung und -Bewertung: ein Update für 2025 (Blog, 24. Juni 2025). Quelle
  24. Jisc Nationales Zentrum für KI. KI in der Bewertung: Berücksichtigung von Nutzern unterstützender Technologien (Beitrag zur Community-Diskussion, 3. Dezember 2024). Quelle
  25. Büro des unabhängigen Richters für Hochschulbildung. Anmerkung zur Fallarbeit: Beschwerden im Zusammenhang mit KI und akademischem Fehlverhalten (15. Juli 2025). Quelle
  26. Russell-Gruppe. Grundsätze zum Einsatz generativer KI-Tools in der Bildung (3. Juli 2023). Quelle
  27. Institut für Hochschulpolitik. Studentenumfrage zur generativen KI 2026 (HEPI-Bericht 199, 12. März 2026; gesponsert von Kortext). Quelle
  28. Universität Sydney. KI-Bewertungsrichtlinie der Universität Sydney: Schutz der Integrität und Stärkung der Studierenden (27. November 2024). Quelle
  29. Weber-Wulff D, Anohina-Naumeca A, Bjelobaba S, Foltýnek T, Guerrero-Dib J, Popoola O, Šigut P, ​​Waddington L. Testen von Erkennungstools für KI-generierten Text. Internationale Zeitschrift für Bildungsintegrität, 2023, 19(1), 26. DOI
  30. Liang W, Yuksekgonul M, Mao Y, Wu E, Zou J. GPT-Detektoren sind voreingenommen gegenüber nicht-muttersprachlichen englischen Autoren. Muster, 2023, 4(7), 100779 (Meinungsartikel). DOI
  31. Perkins M, Roe J, Vu B, Postma D, Hickerson D, McGaughran J, Khuat H. Einfache Techniken zur Umgehung von GenAI-Textdetektoren: Auswirkungen auf inklusive Bildung. International Journal of Educational Technology in Higher Education, 2024, 21(1), 53. DOI
  32. Scarfe P, Watcham K, Clarke A, Roesch E. Ein realer Test der Infiltration eines Universitätsprüfungssystems durch künstliche Intelligenz: Eine Fallstudie zum „Turing-Test“. PLUS EINS, 2024, 19(6), e0305354. DOI
  33. Perkins M, Furze L, Roe J, MacVaugh J. Die Bewertungsskala für künstliche Intelligenz (AIAS): Ein Rahmen für die ethische Integration generativer KI in die Bildungsbewertung. Journal of University Teaching and Learning Practice, 2024, 21(06). DOI
  34. Perkins M, Roe J, Furze L. Neuinterpretation der Bewertungsskala für künstliche Intelligenz: Ein verfeinerter Rahmen für die Bildungsbewertung. Journal of University Teaching and Learning Practice, 2025, 22(7), e1707. DOI
  35. Corbin T, Dawson P, Liu D. Vortrag ist billig: Warum strukturelle Bewertungsänderungen in einer Zeit der GenAI erforderlich sind. Bewertung und Bewertung in der Hochschulbildung, 2025, 50(7), 1087–1097. DOI
  36. Dawson P, Bearman M, Dollinger M, Boud D. Gültigkeit ist wichtiger als Betrug. Bewertung und Bewertung in der Hochschulbildung, 2024, 49(7), 1005–1016. DOI
  37. Sotiriadou P, Logan D, Daly A, Guest R. Die Rolle authentischer Beurteilung zur Wahrung der akademischen Integrität und zur Förderung der Kompetenzentwicklung und Beschäftigungsfähigkeit. Studium der Hochschulbildung, 2020, 45(11), 2132–2148. DOI
  38. Jiang Y, Zhang M, Hao J, Deane P, Li C. Verwendung von Tastenverhaltensmustern zur Erkennung nicht authentischer Texte in schriftlichen Beurteilungen: Bewertung der Fairness von Vorhersagemodellen. Journal of Educational Measurement, 2024, 61(4), 571–594. DOI
  39. Deane P, Zhang M, Hao J, Li C. Verwendung der Tastendynamik zur Erkennung von nicht originalem Text. Journal of Educational Measurement, 2026, 63(1), e12431. DOI
  40. Zhang M, Deane P, Hoang A, Guo H, Li C. Anwendungen und Modellierung von Tastenanschlagprotokollen beim Schreiben von Beurteilungen. Bildungsmessung: Probleme und Praxis, 2025, 44(2), 5–19. DOI
  41. 1EdTech. Übersicht über die Fragen- und Testinteroperabilität (QTI) 3.0 (Endgültige Veröffentlichung, 1. Mai 2022) und QTI 3.0.1 Best Practice- und Implementierungshandbuch (1. Oktober 2024). Quelle
  42. 1EdTech. QTI-Nutzungsdaten- und Artikelstatistikspezifikation v3.0 (Candidate Final Public, 2. Februar 2022). Quelle
  43. Sicherer Prüfungsbrowser. Über: Übersicht; Entwicklerdokumentation, Konfigurationsschlüssel; und Neuigkeiten, SEB 3.7.1 für macOS und iOS (9. September 2026). Quelle
  44. Moodle-Quellcode, MOODLE_502_STABLE: die Safe Exam Browser-Quizzugriffsregel, Quizeinstellungen und das Quiz-Überschreibungsformular. Quelle
  45. Equality Act 2010, Abschnitte 20, 91 und 96. Quelle
  46. ICO. Biometrische Datenführung: Biometrische Erkennung (wird gemäß dem Data (Use and Access) Act überprüft). Quelle
  47. ICO. Beispiele für eine Verarbeitung, die „wahrscheinlich zu einem hohen Risiko führt“ (DPIA-Leitfaden) und Prinzip (c): Datenminimierung. Quelle
  48. ICO. Edtech untersuchte: die wichtigsten Ergebnisse unserer Prüfungen (Juni 2026). Quelle

Nächster Schritt

Bewertung für generative KI neu denken?

Wir können einen Bewertungsplan anhand dieser Checkliste überprüfen oder die Nachweis- und Liefersysteme mit Ihnen ausarbeiten, beginnend mit einer DPIA.

Besprechen Sie verantwortungsvolle KI bei der Beurteilung Durchsuchen Sie alle Labornotizen

Verwandte

Kernbefund

Gehen Sie davon aus, dass unbeaufsichtigte Arbeiten möglicherweise KI beinhalten. Sichern Sie sich einige ausgewählte Momente durch Aufsicht oder Gespräche, gestalten Sie den Rest so, dass KI offen eingesetzt wird, und behandeln Sie Detektoren und Überwachungsdaten als schwache Beweise, niemals als Beweise.

In diesem Bericht