Abitur am Computer: Eine schwierige Aufgabe

Das Ministerium für Bildung in Vietnam plant das jetzt. Es macht einen Plan für das Abitur am Computer. Gleichzeitig will es die Prüfung mehr standardisieren. Das Ziel ist: Die Prüfung soll die echten Fähigkeiten der Schüler messen. Sie soll nicht nur das Auswendiglernen testen. Seit September 2025 gibt es dafür schon Gruppen: eine Steuerungs-Gruppe, eine Arbeits-Gruppe und eine Redaktions-Gruppe.

Schon seit vielen Jahren will man die Prüfung und den Schulabschluss verändern. Eine Resolution aus dem Jahr 2013 sagt: weniger Druck und weniger Kosten, aber die Prüfung muss zuverlässig, ehrlich und gerecht sein. Sie muss die Fähigkeiten der Schüler richtig messen. Eine Resolution aus dem Jahr 2025 sagt: mehr Digitalisierung und neues Management in der Bildung.

Die Idee ist: Das Abitur am Computer als standardisierter Test ist ein Schritt für mehr Neuerung. Das Modell hat eine Fragen-Bank, klare Test-Regeln und strenge Qualitäts-Kontrolle. Es funktioniert so wie SAT, IELTS und TOEFL.

Aber so einen standardisierten Test am Computer zu planen und zu machen, ist sehr kompliziert und schwierig. Es geht um viele Themen: Software, Computer und Technik, Fragen-Bank, Daten, Sicherheit im Internet und den Zeit-Plan.

Was ist ein standardisierter Test am Computer?

Früher hat man unter "Standardisierung" etwas Einfaches verstanden: Alle haben die gleichen Bedingungen, die gleiche Zeit, die gleiche Anleitung, die gleiche Korrektur und die gleichen Ergebnisse.

Heute bedeutet das Wort viel mehr. Es bedeutet den ganzen Weg eines Tests: Man sagt zuerst, welche Fähigkeit man messen will. Dann macht man einen Plan für die Prüfung. Dann schreibt man Fragen, testet die Fragen, baut eine Fragen-Bank, macht die Prüfung, gibt Punkte und erklärt die Ergebnisse. Alles muss wissenschaftliche Standards und Beweise haben.

Nach internationalen Standards muss ein guter Test drei Dinge haben: Erstens Gültigkeit. Das heißt: Zeigen die Punkte wirklich die Fähigkeit, die der Test messen will? Zweitens Zuverlässigkeit. Das heißt: Das Ergebnis hängt nicht zu viel vom Zufall ab, zum Beispiel von der Test-Version, vom Tag oder vom Prüfungs-Raum. Drittens Fairness. Das heißt: Kein Schüler hat Nachteile wegen Dingen, die nichts mit der Fähigkeit zu tun haben, zum Beispiel wegen der Region, dem Geld, der Sprache, einer Behinderung oder wenig Erfahrung mit Technik.

Standardisierung heißt nicht: Alle Schüler machen den gleichen Test. Die Schüler können verschiedene Versionen machen. Aber die Ergebnisse muss man auf die gleiche Skala bringen. Das ist der große Unterschied zu einem normalen Test in der Klasse. Eine gute Frage misst nicht automatisch die richtige Fähigkeit. Eine schwere Frage trennt nicht automatisch gut zwischen starken und schwachen Schülern. Sogar eine Frage mit richtigem Wissen kann für eine Gruppe von Schülern unfair sein, zum Beispiel wegen der Kultur oder wegen zu viel Text zum Lesen. Deshalb muss man jede Frage gut planen: Inhalt, Sprache und Test-Technik. Und man muss sie mit passenden Schülern testen. So findet man die Schwierigkeit und die Qualität der Frage.

Noch wichtiger: Man kann nicht sagen, ein Test ist gut, nur weil er zum Lehr-Plan passt. Die Organisatoren müssen Beweise für die ganze Kette zeigen: von der Antwort zum Punkt, vom Punkt zur Fähigkeit, und von der Fähigkeit zur Entscheidung, zum Beispiel Abitur oder Studium. Das nennt man Bestätigung der Gültigkeit.

Einen standardisierten Test am Computer zu machen, heißt nicht nur: Man stellt den Papier-Test auf den Computer. Man muss den ganzen Prozess ändern: Wie man Fragen macht, wie man Fragen prüft und wie man Punkte berechnet.

Ein standardisierter Test kann auf Papier oder am Computer sein. Am Computer gibt es zwei Formen. Die erste Form ist linear. Das heißt: Alle Schüler machen eine feste Gruppe von Fragen oder gleich schwere Fragen. Die zweite Form ist weiter entwickelt: adaptives Testen am Computer. Hier wählt das System die nächste Frage automatisch. Es schaut auf die Antwort davor. Wenn die Antwort richtig ist, kommt eine schwerere Frage. Wenn die Antwort falsch ist, kommt eine leichtere und passendere Frage.

Adaptives Testen misst die Fähigkeit genauer und braucht weniger Fragen. Aber dafür braucht man viel: eine sehr große Fragen-Bank, zuverlässige Werte für jede Frage, einen geprüften Algorithmus und eine gute Stopp-Regel.

Welche Probleme gibt es?

Fehler können schon am Anfang passieren, bei der Definition. Man muss genau sagen, was man messen will: welche Fähigkeit oder Eigenschaft. Wenn das nicht klar ist, hat der Plan keine Richtung. Dann testen die Fragen vielleicht nur Auswendiglernen oder Tricks, obwohl man sagt: Wir messen Fähigkeiten.

Der nächste Fehler passiert beim Testen der Fragen. Wenn die Test-Gruppe nicht typisch ist für alle Schüler, gibt es Probleme. Man braucht Schüler aus allen Regionen, aus allen Schul-Typen und aus armen und reichen Familien. Sonst sind die Werte für Schwierigkeit und Qualität falsch. Werte von Schülern aus großen Städten passen nicht automatisch für Schüler aus schwierigen Regionen. Und umgekehrt.

Man kann auch nicht einfach sagen: Papier-Test und Computer-Test sind gleich. Die Ergebnisse können anders sein, weil die Form anders ist. Das nennt man den Methoden-Effekt. Studien zeigen: Der Effekt hängt ab von der Fragen-Art, von der Zeit, vom Schüler, vom Bildschirm und vom Gerät. Eine Studie zum TIMSS-Test zeigt das. TIMSS ist ein internationaler Test für Mathe und Naturwissenschaften. Viele zehntausend Schüler haben mitgemacht beim Wechsel von Papier zu Computer. Viele Fragen werden auf dem Bildschirm schwerer. Deshalb muss TIMSS spezielle Brücken-Gruppen und neue Modelle für die Punkte benutzen. Man kann nicht sagen: Beide Formen sind automatisch gleich.

Die Arbeit am Bildschirm macht das Denken für manche Schüler schwerer. Besonders wenn sie oft scrollen, Fenster wechseln oder Informationen aus vielen Teilen merken müssen. Dann misst ein Mathe-Test plötzlich auch Lesen am Bildschirm. Und ein Naturwissenschafts-Test misst plötzlich auch die Arbeit mit der Maus. Das heißt: Die Punkte zeigen nicht nur die Fähigkeit, die der Test messen will. Andere Dinge beeinflussen die Punkte auch.