2020年全国教育测量委员会虚拟会议的本次会议介绍了关于理解和管理考试脱离感的新研究成果(演讲于22:55开始)。

本报告介绍了一项基于经验数据的模式可比性研究的结果，该研究评估了在基于约束的引擎(CBE)上管理MAP Growth的分数与在当前MAP Growth引擎(称为COLO)上管理的分数之间的比较。

本研究调查了努力调节(E - M)评分，其中被归类为快速猜测的项目回答被识别并排除在评分之外，以及它对脱离参与测试的分数失真的影响。

2020年MAP成长规范报告展示了美国公立学校学生的数学、阅读、语言艺术和科学成就和成长模式，其中包括方法方法的细节、MAP成长评估的信息、测试的学生人数和分层后的加权、成长模型、研究对研究和实践的影响，以及显示学生和学校状况和成长规范、状况百分比、生长分布和生长百分位数

本研究探讨了反应方式如何影响对增长的估计。

本书介绍了人工智能(AI)在测试开发中的各种应用，包括在自动项目生成，自动测试组装，自动评分和计算机化自适应测试中使用AI技术的研究和成功示例。

快速猜测会扭曲考试成绩，对测量产生不利影响。新的研究表明，不投入的回应也会扭曲内容的表现。