本研究首次将半监督学习的思想应用到CDM中，并用验证性检验代替AIC、BIC等典型的统计准则为神经网络选择合适的参数。

为了避免由一个人评估兴趣结构（例如，学生在学校的自我效能感）的主观性，经常使用多个评分员。本研究提供了一个模型，用于在多个评分员在场的情况下估计增长。

本报告介绍了通过模拟进行的模式可比性研究的结果，以评估在基于约束的引擎（CBE）上实施的地图增长分数与在当前地图增长引擎（称为COLO）上实施的地图增长分数的比较。

重要的教育政策决策，如是否缩短或延长学年，通常假设成绩的增长在整个学年呈线性增长。本研究使用2016-17学年秋季、冬季和春季700万幼儿园至8年级学生的数据来检验这一未经验证的假设.

在国家统计科学研究所（NISS）的“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国家统计局网页.

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发现，新研究揭示了新冠病毒-19大流行对学生学习的影响。

本技术概要提供了概要中强调的样品、方法和分析结果的更多细节，新冠肺炎期间的学习：学生阅读、数学成绩和成长的初步发现.