这篇综合综述研究了计算机化自适应测试(CATs)的动机优势，并证明了它们在识别考生表现出低努力的情况下比传统测试具有重要优势，并有效地解决了无动机的考生构成的效度威胁。

在这篇文章中，作者解释了CAT如何通过在测试过程中调整问题来提供更精确、更准确的成绩水平，包括成绩差的学生和成绩好的学生。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。

无论何时，测量的目的是为了推断学生的成绩水平，重要的是我们能够相信学生的测试分数准确地反映了学生知道什么和能做什么。这种信任需要假定学生的考试成绩不会受到与结构无关的因素的不适当影响，这些因素可能会扭曲他的分数。这篇文章研究了一个这样的因素——考试动机——它往往会导致一个人对考试成绩的特定的、系统性的负面偏见。

越来越多的基于计算机的考试使得它能够常规地捕捉考生在每个测试项目上花费的时间。这反过来又导致人们对反应时间在衡量智力能力和成就方面的潜在应用越来越感兴趣。Goldhammer(本期)对这一领域的许多研究提供了非常有用的概述，他对速度-能力权衡及其对测量的影响进行了深思熟虑的分析。

本研究考察了基于反应时间的分析在理解无动机考生行为方面的效用。对于自适应成绩测试的数据，观察到的快速猜测行为模式和项目反应的准确性与几种模型下的预期行为进行了比较，这些模型被提出来代表无动机的考试行为。

NWEA最近推出了一个名为“大学探索者”的新工具，使初中生和早期高中生能够使用他们的学业进步测量®(MAP®)分数，在他们开始大学申请过程之前就知道他们应该进入哪些学院和大学。