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。

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。

重要的教育政策决定，比如是缩短学年还是延长学年，通常都假设成绩的增长在整个学年是线性的。这项研究使用了2016-17学年秋季、冬季和春季的700万名从幼儿园到八年级的学生的数据，检验了这个未经检验的假设。

在这个国家统计科学研究所(NISS)， Ingram Olkin "统计服务社会“在论坛上，来自全国各地的专家分享了他们在报告和研究COVID-19对美国学校的影响方面所面临的统计和数据分析挑战。请在论坛和主持人上阅读更多信息尼斯在网页。

在布朗中心黑板(布鲁金斯学会)的博客中，NWEA的研究人员分享了新研究的结果，揭示了COVID-19大流行对学生学习的影响。

COVID-19学校关闭如何影响学生的学业成长和成就?利用2020年秋季MAP增长评估数据对440万学生进行的新研究提供了新的见解、关键发现和可行建议。