几十年来，研究人员和实践者已经付出了大量的努力来研究各种提高参数准确性的方法，但直到最近，研究人员才开始专注于通过使用一个联合模型来改进参数估计，该模型可以将RT和学生信息作为CI。

以前的大多数研究都是使用当地开发的仪器进行的，涉及到对响应时间的研究。目前这项研究的目的是检验在一种商业化的、低风险的工具中快速猜测行为的数量。

这些研究是在固定测试形式的规则条件下进行的假设，如无遗漏回答和群体的一维能力正态分布。

目前的调查研究使用多指标，潜在增长模型(MLGM)的方法来检验纵向成就结构及其对MAP增长的不变性。

在这篇文章中，作者解释了CAT如何通过随着测试的进行调整问题，更精确、准确地描绘出成绩较差和成绩较好的学生的成绩水平。即时、翔实的测试结果使教师能够区分教学，以满足个别学生当前的学术需求。

当纽约州根据“共同核心州立标准”(Common Core state Standards)公布第一批考试成绩时，许多人错误地认为，结果显示学生成绩大幅下降。仔细观察结果会发现，学生的成绩可能有所提高。