在本展览的可视化中，您可以将不同组的高成就者的表现和成长与他们的同龄人进行多年的比较。

几十年来，研究人员和从业者花了大量精力研究各种提高参数准确性的方法，但直到最近，研究人员才开始关注通过使用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。

我们对来自高贫困学校的学生相对于来自富裕学校的同龄人的成长和表现的一些假设可能会在这个数据库中受到挑战，在这里您可以探索学校贫困水平与学生成长、大学准备和大学入学的相互作用。

以前涉及响应时间研究的大多数研究都是使用当地开发的仪器进行的。目前这项研究的目的是在一个商业上可用的低赌注工具中检查快速猜测行为的数量。

这项研究调查了美国31个州的35000名中小学生在三年时间里的学业成长情况，这些学生都在自己的学校里表现优异。

在Thomas B. Fordham研究所的这项研究中，来自NWEA纵向增长数据库的成就趋势被用来跟踪在这项评估中得分达到或超过90百分位的学生，以查看他们是否保持了他们的高成就。