Anchoring bias i bedömning, hur första intrycket förskjuter hela betyget

Anchoring bias är ett av de mest robusta fynden inom beslutspsykologi. Sedan klassiska studier av Tversky och Kahneman på 1970-talet har fenomenet replikerats i tusentals sammanhang. Människor som ska göra en bedömning påverkas systematiskt av en initial referenspunkt, även när referenspunkten är irrelevant för uppgiften.

För svenska lärare är detta särskilt relevant. Den första texten du läser i en rättningshög sätter en omedveten skala för resten. Om texten är stark riskerar nästa C-text att kännas svagare än den objektivt är. Om den är svag kan en medioker text framstå som överraskande bra.

Hur bias verkar i praktiken

Mekanismen är oftast omedveten. Du läser den första texten, formar en mental bild av vad eleverna i klassen producerat, och bedömer kommande texter delvis i förhållande till den bilden istället för enbart mot Skolverkets kursplan.

Forskningen pekar på att effekten är starkare när bedömaren är trött, stressad eller arbetar under tidspress. Den är också starkare när texterna är likartade i ämne, eftersom skillnader då blir små och bedömningen lättare ankras vid en intern referenspunkt.

För nationella prov, där texterna ofta behandlar samma uppgift och rättningstiden är begränsad till sju arbetsdagar, är ankring en konkret risk.

Tre praktiska tecken på ankring

Forskningen från beslutspsykologi hjälper oss känna igen ankring i den egna praktiken.

Det första tecknet är att bedömningen av en text känns "relativt" istället för "absolut". Du tänker att texten är "bättre än den förra" eller "mycket sämre än den första vi läste". Det kan ibland vara hjälpsamt, men det är inte det Skolverket frågar efter. Skolverket frågar efter en bedömning mot kursens kriterier, inte mot andra elevers texter.

Det andra tecknet är att ditt språk i motiveringen blir komparativt. "Detta är en stark argumentation jämfört med många andra i klassen" är en ankrad bedömning. "Detta är välutvecklad argumentation enligt kriterierna för C-nivå" är en kriteriebaserad bedömning. Båda kan stämma, men det är den senare som rättfärdigar ett betyg.

Det tredje tecknet är att den första texten i en hög oftare än statistiskt rimligt får ett extremt betyg, antingen mycket högt eller mycket lågt. Det är ett mönster som flera empiriska studier har dokumenterat när de spårat lärares rättningssekvenser.

Skolverkets bedömaranvisningar som motvikt

Skolverket publicerar bedömaranvisningar för nationella prov med ankarexempel på olika betygsnivåer. Anvisningarna är inte påklistrade. De är konstruerade specifikt för att motverka anchoring bias genom att ge bedömaren en extern referens som inte påverkas av vilken text läraren råkar läsa först.

Forskningen om bedömaranvisningar pekar typiskt på två villkor för att de ska fungera. Bedömaren måste faktiskt använda dem aktivt under arbetet, inte bara läsa dem en gång före. Och bedömaren måste återgå till dem regelbundet, särskilt när rättningsbatchen är lång.

Praktiskt: lägg ankarexemplen för det aktuella betyget bredvid datorn. Återgå till dem efter var femte eller tionde text. Det är en enkel rutin som har visst forskningsstöd.

Tre rutiner som dämpar ankring

Slumpvis ordning. Ordna texterna i slumpvis ordning, inte efter elevnamn, klass eller inlämningsdatum. Då minskar risken att en systematik i ordningen skapar systematiska ankrings-effekter.

Två-pass-metoden. I första passet, läs varje text snabbt och anteckna preliminär nivå utan motivering. I andra passet, gå igenom texterna nivå-för-nivå (alla preliminärt C, sedan alla preliminärt A, etc) och bekräfta eller justera. Den här metoden ankrar bedömningen mot kategorin istället för mot tidigare lästa texter.

Vila och återkalibrering. Efter ungefär tio texter, ta paus. Återgå till bedömaranvisningens ankarexempel innan du fortsätter. Det är en aktiv återkalibrering som har stöd i flera studier av bedömnings-tillförlitlighet.

AI som icke-ankrande referens

Ett AI-baserat bedömningsstöd har strukturen som mänskliga bedömare saknar. Modellen får samma kursprompt och samma betygskriterier för varje text. Den vet inte vilken text som var nummer 1 i högen och vilken som är nummer 30. Varje analys körs isolerat.

Det betyder att AI:ns bedömning av en text är opåverkad av ordningen i din rättningshög. Om du får en känsla att en text är ovanligt stark eller svag jämfört med övriga, kan du jämföra med AI:ns bedömning för att kontrollera om känslan är ankring eller en faktisk skillnad mot kriterierna.

Det betyder inte att AI är en korrekt bedömare. Det betyder att AI är en stabil referens som inte ankras.

Vad detta betyder för dig som lärare

Anchoring bias är inte ett tecken på dålig bedömningskompetens. Det är en mänsklig kognitiv egenskap som påverkar oss alla. De bästa bedömarna är inte de som är immuna mot ankring. De är de som har strukturerade rutiner för att neutralisera effekten.

Skolverkets allmänna råd lyfter helhetsbedömning. Den modellen är delvis konstruerad för att ankring i en enskild rättningssession inte ska vara avgörande för terminsbetyget. Helheten neutraliserar enskilda biaser. AI som referenspunkt på enskilda texter neutraliserar dem ytterligare.

Bedoma analyserar varje elevtext isolerat mot Skolverkets kursplan, opåverkat av ordning eller tidigare bedömningar. Prova gratis eller läs om kalibreringen.