人们越来越关注国际评估项目中不参与考试的存在，以及它对一个国家教育水平推断的有效性的影响。在这篇论文中，作者讨论了20年的研究得出的6个重要见解，以及对评估程序的启示。

本研究以大规模状态结论性评估的应试参与为研究对象。综上所述，本研究结果表明，脱离对个体状态的总结性考试成绩有实质性影响，但对总分的影响可能相对较小。

本文描述了一种识别部分参与的方法，并提供验证证据来支持其使用和解释。当测试事件表明存在部分投入时，应谨慎地解释努力调节的分数。

为了避免由一个人来评价一个利益结构的主观性，经常使用多个评价者。虽然已经提出了一系列模型来解决使用多个评级机构时出现的测量问题，但很少有模型可用来估计存在多个评级机构时的增长。本研究提供了一个模型，在一个给定的时间点上去除所有的评分者的共同感知，然后在时间点上添加一个潜在的增长曲线模型。结果表明，该模型显示了希望利用纵向多评级者数据估计增长的研究人员的使用前景。

为了避免一个人评价一个兴趣构念(例如，一个学生在学校的自我效能感)的主观性，经常使用多个评价者。本研究提供了一个模型来估计存在多个评级机构时的增长。

本研究是首次将半监督学习的思想应用到CDM中。此外，我们使用验证检验来选择合适的参数为神经网络，而不是使用典型的统计准则，如AIC, BIC。

本报告提供了一项模式可比性研究的结果，该研究通过模拟来评估基于约束的引擎(CBE)与当前名为COLO的MAP Growth引擎所管理的得分。