以同一州的两所公立学校为例，这两所学校都为大致相同的极度弱势学生群体提供服务。这两所学校的学生都落后于他们的中产阶级同龄人，但其中一所学校的学生平均学习收获更大——也许它有一个更长的上课时间，也可能是采用了基于科学的阅读指导。我们应该如何设计增值模式来识别每所学校的高效教师?如果我们选择了错误的设计会发生什么?

密苏里大学的Mark Ehlert和他的同事在一个重要的CALDER工作中尝试回答这些问题纸．他们分析了密苏里州公立学校丰富的学生数据，认为典型的增值模型(VAMs)可能无法充分解释学生人口特征和学校环境等关键因素如何影响学生学习，即使研究人员对这些因素进行了直接控制。

作者认为，问题在于典型的vam认为，这些关键因素影响学校内学习的方式与影响学校间学习的方式是一样的。事实证明，这不是一个好的假设，要纠正这一假设，就需要在VAMs中添加第二步，以更好地解释学校之间的差异。有了两步VAM，表现较差的学校的好老师会更闪亮，而可能搭上好学校顺风车的老师会更容易被发现。而且，正如作者所写的那样，两步模型“完全平衡了竞争环境”，几乎消除了学生人口统计学和教师对学生学习的衡量影响之间的相关性。

如果你不做增值两步?在一个采用典型增值模式的教师评估系统的地区，优秀的教师将更有动力远离陷入困境的学校，因为他们在那里似乎效率较低。随着政策制定者越来越多地使用增值模式，这两步肯定像是他们需要学习的舞蹈动作。



(我要感谢这篇论文的合著者科里·科德尔(Cory Koedel)花时间向我解释这篇论文的细微差别。)