当纽约州公布根据州共同核心标准(Common Core state Standards)进行的第一次考试结果时，许多人错误地认为，考试结果显示学生成绩大幅下降。仔细研究一下结果就会发现，学生的成绩可能有所提高。

这项综合性审查检查了计算机化适应性测试（CAT）的动机优势，并证明它们在识别考生表现出低努力的情况和有效应对无动机考生造成的有效性威胁方面，都比传统测试具有重要优势。

这项研究，使用真实数据，提供了10个不同州在不同学术日历的不同年级地图比例尺的构造和不变性构造的实证证据。

目前的调查研究使用多指标潜在增长模型（MLGM）方法来检验纵向成就结构及其对MAP增长的不变性。

这些研究是基于固定测试形式的常规条件下的假设进行的，如无缺失反应和群体一维能力的正态分布。

以前大多数涉及响应时间研究的研究都是使用当地开发的仪器进行的。当前研究的目的是检验商业上可获得的低风险工具中快速猜测行为的数量。