2020年全国教育测量委员会虚拟会议的本次会议介绍了关于理解和管理考试脱离的新研究结果(报告于22:55开始)。

本报告介绍了基于经验数据进行的模式可比性研究的结果，以评估在基于约束的引擎(CBE)上管理的MAP增长的分数与在当前的MAP增长引擎(称为COLO)上管理的分数如何进行比较。

本研究调查了努力调节(E‐M)评分，其中被归类为快速猜测的项目反应被识别并排除在评分之外，以及它对不投入测试的得分扭曲的影响。

2020年MAP增长规范报告介绍了美国公立学校学生的数学、阅读、语言艺术和科学成就以及增长模式。它包括方法方法的详细信息，MAP增长评估的信息，测试学生人数和分层后加权，增长建模，以及研究和实践的影响，以及显示学生和学校状况和增长规范的表格，状态百分位数，增长分布和增长百分位数

本研究探讨了反应方式如何影响对增长的估计。

这本书介绍了人工智能(AI)在测试开发中的各种应用，包括在自动项目生成、自动测试组装、自动评分和计算机化自适应测试中使用人工智能技术的研究和成功例子。

快速猜测会扭曲考试成绩，并对测量产生不利影响。新的研究表明，不投入的反应也会扭曲内容表现。