该技术报告文件通过NWEA用来构建的过程和程序，并支持MAP阅读流畅评估。

为了避免一个人的主观评价感兴趣的结构（例如，一个学生在学校的自我效能），多个评价者经常被使用。该研究为在多个评估者的存在估计生长的模型。

此项研究是采用半监督学习的思想统一到CDM的第一次。此外，我们使用的验证试验，选择了人工神经网络，而不是使用典型的统计标准，如AIC，BIC相应的参数。

该技术报告文件通过NWEA用来构建的过程和程序，并支持西班牙MAP成长阅读评估。

通过模拟进行的这份报告提出了一个模式可比性研究的结果来评估从MAP成长得分上基于约束的引擎（CBE）管理如何比较那些被称为COLO当前地图的增长引擎管理。

重要的教育决策，比如是否要缩短或延长学年，往往承担业绩增长是通过学年线性。本研究通过考察在整个秋季，冬季8级，以及2016-17学年春季使用七个万学生在幼儿园这个数据未经检验的假设。