这篇综合综述考察了计算机化自适应测试(CATs)的激励效益，并证明它们在识别考生表现出低努力的情况和有效解决无动机考生带来的效度威胁方面比传统测试具有重要优势。

在这篇文章中，作者解释了CAT是如何在测试过程中通过调整问题来更精确、准确地反映成绩差和成绩好的学生的成绩水平的。即时，信息丰富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。

每当测量的目的是告知关于学生的成绩水平的推断，重要的是我们能够相信学生的考试成绩准确地反映了学生的知识和能力。这样的信任需要这样一个假设，即学生的测试事件不会受到与构念无关的因素的过度影响，而这些因素可能会扭曲他的分数。本文考察了其中一个因素——考试动机——它往往会导致对考试成绩产生一种个人特有的、系统性的负面偏见。

越来越多的基于计算机的考试带来了常规捕获考生在单个考试项目上花费的时间的能力。这反过来又引起了人们对反应时间在衡量智力和成就方面的潜在应用的兴趣。Goldhammer(本期)对该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中的效用。对于适应性成就测试的数据，我们将观察到的快速猜测行为和项目反应准确性的模式与几种已提出的非动机测试行为模型下的预期行为进行了比较。

NWEA最近推出了一个名为“大学探索者”的新工具，该工具使初中生和初高中学生能够在开始大学申请程序之前很久就使用他们的学业进步测量®(MAP®)分数来查看他们即将进入的大学。