一样吸引人的一个想法增值模型(VAMs),统计人员确实需要使用它们之前的错误判断老师的性能。托马斯•凯恩和道格拉斯小马刚刚解开一个潜在的扭结,一项新的研究涉及一个有趣的实验78对小学教室,由全国委员会认证的教师授课。

的一大研究人员一直担心任何试图衡量教师效能,包括使用增值方法,是他们不能够考虑到这些因素,导致老师不被随机分配到教室:游说的父母,争夺的教师,和偏袒的主体。因此,一些教师可能会VAM分数高于反映其实际效果和一些老师可能会更低。

凯恩和小马解决经典的“随机化”问题,说服许多洛杉矶校长允许研究人员随机分配教室78对全国委员会教师来说,该地区已经花了数年的学生的测试成绩。使用这些分数的前几年,他们开发了一个教师的VAM模型有效性,然后检查是否老师取得了大致相同的VAM得分与随机分配实验的最后。换句话说,他们测试了我们是否应该相信VAM分数产生当老师不是随机分配,这是惟一可行的情况下,这样的成绩能被使用。

底线?分数相关。老师发现更有效的在教室是同样有效的非随机随机分配,这意味着地区可以信任他们现在的成绩。