这种可视化的开发是为了提供州一级的深入了解学生在2020-2021学年的MAP增长情况。评估是COVID-19对学生影响的众多指标之一。我们使用该工具的目标是创建可见数据，为2022学年及以后的学术恢复工作提供信息。

本指南解释了NWEA状态仪表板中包含的分析、统计、术语和数据，探索COVID-19的教育影响。

本研究首次将半监督学习思维应用到CDM中。此外，我们使用验证测试为ann选择合适的参数，而不是使用典型的统计标准，如AIC, BIC。

为了避免让一个人评价一个兴趣结构(例如，一个学生在学校的自我效能感)的主观性，经常使用多个评分者。本研究提供了一个模型，用于在存在多个评级者的情况下估计增长。

这项研究使用了美国2056所学校的728923名3 - 8年级学生的阅读测试成绩，比较了检测非努力项目反应的阈值设置方法。在使用给定的方法来识别不费力的响应时，它提供了有关权衡的指导。

本文介绍了一种用于识别部分参与的方法，并提供验证证据以支持其使用和解释。当测试事件表明存在部分参与时，应谨慎地解释努力努力的分数。

本报告展示了一项模式可比性研究的结果，该研究通过模拟来评估在基于约束的引擎(CBE)上管理的MAP Growth得分如何与在当前MAP Growth引擎(称为COLO)上管理的得分进行比较。