这篇文章提供了洞察力和指导，在考试被用作评估工具之前要考虑的问题，并帮助确保更好地选择考试分数在教师评估中的作用。

大多数先前涉及响应时间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在一种商业可用的、低风险的工具中快速猜测行为的数量。

在这篇文章中，作者解释了CAT是如何通过在测试过程中调整问题来提供更精确、准确的成绩水平的。即时的、信息丰富的测试结果使教师能够区分教学，以满足个别学生当前的学术需求。

特别值得讨论的是，从传统公立学校转到特许学校对学生成绩和成长的影响。我们采用倾向得分分层和多水平模型来平衡跨州样本学生的处理组和对照组之间的关键协变量，这提供了准实验背景下特许学校成绩效应的更复杂的图景。

模拟学生成长一直是《不让一个孩子掉队》(NCLB)的联邦政策要求。除了跟踪学生的成长，最新的“力争上游”(RTTP)联邦教育政策还规定从教师为学生学习和成长做出贡献的附加价值的角度来评估教师的有效性。学生成长模型和教师增值模型是复杂的。

在纽约，学生的积极成绩和成长结果表明，教师评价过程的改进强调了强有力的评价程序的重要性，系统地收集教师表现的证据，并使用数据来告知过程，有希望提高教育工作者的效率，而不是狭隘的惩罚方法。

当前的研究概述了一个测量项目级别努力的一般过程，该过程可以应用于一组扩展的项目类型和应试行为(如省略或构造的响应)。这个过程，用来自大规模评估程序的数据来说明，应该提高我们检测不费力的考试和执行个人分数验证的能力。