Die Nutzung formativer Assessments ist für den Lernerfolg entscheidend, bringt jedoch einen höheren Arbeitsaufwand für Lehrende mit sich. Das Dilemma besteht zwischen vielen Assessments und der Arbeitsbelastung der Lehrenden. Multiple-Choice-Fragen bieten sich aufgrund ihrer einfachen Auswertung an, sind jedoch anfällig für das Raten von Antworten. Certainty-based marking (CBM) könnte dieses Problem lösen. Es bewertet Antworten basierend auf der Sicherheit des Lernenden. Die Hochschule RheinMain hat ein CBM-Plugin entwickelt, das es Lehrenden ermöglicht, effizient und datenbasiert zu bewerten.

Aufgrund der begrenzten Verfügbarkeit digitaler Selbst-Assessment-Tools und zugehöriger Forschung entwickele ich in meinem Promotionsprojekt die Selbst-Assessment-App „Mathe-Luchs“. Zudem wird untersucht, wie Lernende durch die App-Nutzung multiplikatives Wissen erwerben und zu metakognitiven Aktivitäten angeregt werden. Erste Ergebnisse zeigen, dass das Selbst-Assessment in der App nicht immer zu umfassendem multiplikativem Wissen und präzisen Selbsteinschätzungen führt. Die Rolle des abschließenden Feedbacks zur Aufgabenlösung und zum Selbst-Assessment in der App wird weiterhin untersucht.