无论它们多么令人恐惧和be愧，标准化考试仍然是教育领域的重要组成部分。对于所有相关人员，无论是应试者，教育者，乃至国家的雇主，这都是好事。丹佛大学助理教授丹尼斯·杜马斯说：“标准化考试实际上已经很好地掌握了考试知识。”莫格里奇教育学院研究方法和信息科学系的教育心理学家和统计学家说。

但他补充说，“知识和潜力并不相同，因为测试知识可能是有益的”。

实际上，在给定的一天进行的一次考试只能捕获应试者当时所知道的内容。而且这些信息可能无法公平地描述杜马斯所说的“学习能力”。

杜马斯(Dumas)与亚利桑那州立大学心理学教授丹尼尔·麦克尼什(Daniel McNeish)一起研究，旨在更好地利用测试结果。两者与一小群其他数据发烧友合作，正在开发(当然是测试)一种统计模型，该模型可以捕获获取，掌握和部署知识的潜力。换句话说，该模型可以洞察应试者的学习曲线。

杜马斯解释说：“我们研究学习曲线的形状。”他指出，这可以洞悉教育者永不停止思考的紧迫问题。“人们如何学习?什么时候学得更快?”

为了找出答案，Dumas和McNeish开发了他们所谓的“动态测量模型”，之所以这么称呼是因为它不依赖单个高风险测试，而是收集并分析个人多年的检查数据。幸运的是，长期以来，的公立学校一直在对从小学到高中的孩子们进行标准化考试，为他们提供了大量的数据供Dumas和McNeish使用。他们说，大量的信息存储使模型“比单一的标准化评估更具预测性三倍”。

在过去的五年中，他们发表了11篇文章，支持了他们关于模型有效性的主张，而最新的文章出现在最近一期的《多变量行为研究》中。教育界也开始注意到这一点。

莫里奇学院院长卡伦·赖利说：“这项工作对于理解增长和变化至关重要。” “结果措施及其局限性一直是准确评估所有类型干预措施有效性的挑战。解决这些挑战为变革性的学习变革打开了大门。”

杜马斯说，在开发模型时，研究人员关注了一个关键问题：“我们如何获取学生在测试中提供给我们的数据并获得最有意义的信息?”

他们开始利用加利福尼亚大学伯克利分校人类发展研究所的数据集进行工作。这些丰富的信息中包括测试成绩和参与者的职业报告，这些参与者已经被追踪了四到五年，从小学到他们50多岁，60多岁甚至70多岁。其中一些测试是在1920年代和1930年代对3岁以下的参与者进行的，这使研究人员能够将早期结果与后续结果，甚至终身职业选择和成就系起来。利用这些数据，Dumas和McNeish以及合著者，同样来自亚利桑那州立大学的Kevin Grimm能够研究学习曲线，推论潜力，然后将这些发现与学术和专业成果相关。

他们的模型预测与实际结果的吻合程度如何?杜马斯说，在很多时候，“我们真是太亲密了。”

由于距离足够近，Dumas开始考虑最好在何时何地使用该模型。他说，它适用于任何需要将劳动力和才华集中到职业和职业道路上的组织，例如。教育界无疑会欢迎“数据分析”来说明学习能力。学生和潜在的员工也可能会为这项创新而欢呼，即使仅仅是因为它减少了任何一项测试的赌注(例如SAT或GRE)。

杜马斯说，目前，该方法仍在开发中。他解释说：“问题在于，它比以前的方法要复杂得多。” 例如，加快计算速度需要技术-例如超级计算机-很少针对教育领域。动态测量还需要大量数据，尽管这些数据在技术上可用，但并不总是可以访问的。杜马斯解释说，各州并不总是想要发布或共享其数据。

这不是唯一占用Dumas时间的评估项目。他与莫格里奇学院(Morgridge College)的另一位教授Peter Organisciak一起，参与建立了一个免费网站，以对创造力评估进行评分。这不仅可以改变学校心理学家进行此类测试的方式，而且应该使资源有限的学区更容易为学生提供此选项。

与该项目一样，动态测量模型着重于解决教育中的不公平现象，并杜绝杜马斯所说的目前存在的标准化测试的“陷阱”。

他说：“这种模式旨在使我们摆脱困境。” “我们希望创建一个不仅可以量化知识，而且可以量化某人必须增长多少潜力的模型。”