Laura lernt Handschrift nur aus bestätigten Entscheidungen.
Der WriterAtlas ist das Schriftprofil eines einzelnen Kindes. Die Erkennung wird mit jeder Klausur besser, ohne Datenschutz-Kompromiss. Was Laura lernt, hast vorher du bestätigt.
Lernsignal sind nur deine bestätigten Entscheidungen, nie ein stiller Auto-Accept.
Heterogene Schriftbilder sind kein Randfall. Sie sind der Normalfall
Eine Klasse besteht aus Dutzenden verschiedener Handschriften. Wer sie alle gleich behandelt, verschenkt genau das, was Erkennung gut macht: den Kontext zur einzelnen Person.
Jedes Kind schreibt anders
Druckschrift, verbundene Schreibschrift, eigenwillige Buchstabenformen. Ein Erkennungsmodell, das für alle gleich gut sein will, ist für niemanden wirklich gut.
Eigenheiten wiederholen sich
Das offene „a“, das durchgestrichene „z“, die typische Verwechslung von „n“ und „u“, bei einem Kind kehren dieselben Muster über Wochen und Klausuren wieder.
Generisch erkannt heißt: zu viel [unleserlich]
Ohne Kontext zur Schrift eines Kindes landen schwierige Stellen pauschal in der Liste der offenen Prüfungen, mehr Klärarbeit für dich, statt weniger.
So lernt der WriterAtlas: pro Kind, nur aus Bestätigtem
Ein geschlossener Kreislauf mit einer klaren Regel: Lernsignal ist ausschließlich, was du entschieden hast. Nichts läuft still im Hintergrund ins Profil.
- 1
Klausur lesen
Laura liest die handschriftliche Arbeit und ordnet jede Passage einem Confidence-Bucket zu: sicher gelesen bis unleserlich.
- 2
Du entscheidest
Du bestätigst sicher gelesene Wörter, korrigierst Lesefehler und klärst Verwechslungen. Jede dieser Entscheidungen ist explizit.
- 3
WriterAtlas aktualisieren
Nur aus diesen bestätigten Entscheidungen wächst das Schriftprofil des Kindes: bekannte Wortformen, typische Verwechslungen, Schriftform-Cluster, Konfidenz-Kalibrierung.
- 4
Nächste Klausur, besser gelesen
Bei der nächsten Arbeit desselben Kindes liest Laura mit diesem Profil, sicherer, mit weniger Rückfragen, ohne dass je etwas Unbestätigtes eingeflossen wäre.
Woraus der WriterAtlas lernt, und nur daraus:
- Sicher gelesene Wörter, die du bestätigt hast
- Korrekturen, die du an einer Lesart vorgenommen hast
- Bekannte Verwechslungen dieses Kindes (z. B. n/u, a/o)
- Schriftform-Cluster und die Konfidenz-Kalibrierung daraus
Drei harte Garantien
Adaptive Erkennung darf nie auf Kosten des Datenschutzes gehen. Diese drei Verbote sind fest verbaut, sie sind nicht verhandelbar.
Kein Auto-Accept-Learning
Was Laura automatisch als sicher gelesen einstuft, ohne dass du es bestätigst, wird nie zum Trainingssignal. Lernen setzt eine bewusste Teacher-Decision voraus.
Kein Cross-Child-Leakage
Jeder WriterAtlas gehört genau einem Kind. Schriftmerkmale eines Kindes fließen niemals in die Erkennung eines anderen, keine geteilten Profile, keine Vermischung.
Kein Cloud-Upload ohne Rechtsgrundlage
Schriftprofile werden nicht ohne klare Rechtsgrundlage in die Cloud geladen. Datenschutz ist Voraussetzung des Lernens, nicht ein nachträglicher Kompromiss.
Reset-Recht
Ein WriterAtlas lässt sich jederzeit vollständig zurücksetzen. Das Profil eines Kindes ist deine Entscheidung, auch das Löschen.
Nachvollziehbares Audit
Jeder Eintrag im Profil ist auf die bestätigte Entscheidung zurückführbar, aus der er stammt. Was gelernt wurde, bleibt überprüfbar.
Der Effekt: bessere Erkennung, ohne neuen Datenschutz-Preis
Writer-Adaptive Recognition zahlt sich über die Zeit aus, sichtbar im Stapel, nicht in einem Versprechen.
Weniger [unleserlich]
Je besser der WriterAtlas die Eigenheiten eines Kindes kennt, desto seltener landen Passagen pauschal in der Klär-Liste. Weniger Rückfragen pro Stapel.
Mehr green words über die Zeit
Sicher gelesene Stellen nehmen mit jeder Klausur zu. Mehr läuft sauber durch, du klärst nur noch das wirklich Mehrdeutige.
Mehr ruhige Routine
Erkennung, die mitwächst, gibt dir Stunde um Stunde zurück, ohne dass du je die Kontrolle über das Gelernte abgibst.
Sieh, wie der WriterAtlas mitwächst
Pro Kind, nur aus bestätigten Entscheidungen, mit Reset-Recht und nachvollziehbarem Audit. Wir zeigen dir den ganzen Kreislauf in einer ruhigen Demo.
Kein Auto-Accept-Learning. Kein Cross-Child-Leakage. Kein Cloud-Upload ohne Rechtsgrundlage.