文艺复兴的工具，包括加速阅读，myIGDIs, myON和星级评估，都得到了同行评审研究的支持。本文件提供了一份同行评议的研究清单，可用于阅读和数学练习产品以及评估产品。本文档仅支持在线下载:。

摘要:“加速阅读(AR)是学校常用的计算机化阅读程序。该项目旨在通过设定目标和频繁的阅读练习，提高学生的阅读成绩，鼓励学生进行更多的阅读。对AR进行了元分析回顾，以分析其作为改善学生阅读成绩、态度和动机的循证干预的有效性。本研究调查了影响学生阅读结果的潜在调节变量，包括出版物类型、参与者和研究特征。共有44篇来自同行评审期刊文章和论文的研究符合纳入标准。参与者包括16653名小学、初中和高中学生。Hedges的g效应大小测量表明，测试前-测试后单组AR研究具有中等影响(g = 0.541)，而对照组AR研究具有边际影响(g = 0.278)。对照组研究的6个潜在分类调节因子的元回归模型没有发现显著的调节因子。本文讨论了基于证据和文化适宜的阅读干预的意义和进一步研究的需要。引用:Tischner, c.m.， Ebner, s.e.， Aspiranti, k.b.， Klingbeil, d.a.， & Fedewa, a.l.(出版中)。加速阅读对儿童阅读效果的影响:一项元分析综述。 Dyslexia.

整个2021年，Renaissance发布了一系列题为《孩子们的表现》的报告，评估了2020-2021学年新冠肺炎大流行对美国学生阅读和数学成绩的影响。虽然2021-2022学年学校停课和远程学习的发生率比前一年低得多，但COVID-19大流行继续以各种方式影响K-12教育。“孩子们的表现如何”系列报告的继续将作为一种状况检查，总结截至2021-2022学年结束的美国K-12学生的表现和增长，并将这些结果与2020-2021年同期进行对比。完整的报告可在网上获得:。

与拉利洛一起进行早期扫盲练习与一般扫盲成就的更高水平增长相关。使用Lalilo的时间越长、使用频率越高的学生，他们的读写能力增长最快。较低强度和较低频率使用Lalilo与相对较低的成绩增长相关，但相对于根本不使用该计划的学生，即使较少使用也与更多的增长相关。完整的报告可在网上获得:。

从结果来看;“这项定量研究旨在评估AR作为一种提高学生阅读成绩和比例分数的策略的效果。为此，我收集了在中国小学生中使用AR的老师的观点。在这一节中，我主要介绍了数据分析的结果。首先，我报告了参与者和他们的学生的人口特征。接下来，我提出了描述性统计和Wilcoxon符号秩检验来分析AR的影响。然后，我说明了相关和多元线性回归分析的结果，用于测试AR机制和阅读成绩之间的关系。最后，总结了本章所论证的主要观点。引用本文:Tan, H.， Yang, F.， Zhang, H.， & Chakraborty, D.(2022, 10月)。调查“加速阅读”项目对中国小学生阅读效果的影响。莫纳什大学。(Email research@renaissance.com to request a copy of this study from the Renaissance Research Department.)

从执行摘要:“这项研究的目标是评估IXL的实时诊断在数学和阅读方面的有效性，使用一种新的标准测量:星级评估。我们分析了俄克拉何马州郊区一个大型公立学校1-8年级学生的数学和阅读数据。在每个学科中，我们发现:IXL的诊断和星级表现之间存在强烈的正相关性(所有rs = .70)•IXL诊断和星级评估在学生水平分类中存在高度重叠”引用:Schonberg, C.(2022)。以星级评估为标准，评估IXL实时诊断的预测有效性。IXL学习。完整的技术报告可在线获取:

多级支援系统(MTSS)是一种监测学生成绩和根据确定的需要分配资源的方法。这种方法有时被称为干预反应(RTI)，广泛地基于监测、识别和干预的公共卫生模型，在教育环境中越来越普遍。在MTSS中，教育者通过分层的支持系统帮助学生实现学术目标。本指南说明了MTSS过程的步骤，强调了成功实施的关键原则。完整的报告可在网上获得:。

研究表明，掌握自然发音技能对于学习阅读是至关重要的，这是阅读科学的一个关键要素。密切监测学生的语音技能是如何发展的，为教师指导语音教学提供了关键的洞察力。Star Phonics通过快速有效地筛选12个最关键的语音类别来帮助阅读教学，同时还提供102个特定的语音技能诊断。该评估是为所有1-6年级的学生和阅读困难的年龄更大的学生设计的。完整的技术报告可在线获取:。

从抽象的;“传统的筛选方法是根据学生在单一筛选指标上的表现来识别可能存在学术问题风险的学生。然而，使用多种筛查措施可以提高识别高危学生的准确性。机器学习算法的出现使得研究人员可以考虑使用先进的预测模型来识别有风险的学生。本研究的目的是调查机器学习算法是否可以加强从进度监测数据中做出的预测的准确性，以将学生归类为数学成绩低的风险。这项研究使用了一年级学生的样本，他们在2016-2017学年(n = 45,478)和2017-2018学年(n = 45,501)完成了一系列电脑化的形成性评估(明星数学、明星阅读和明星早期识字)。使用两种机器学习算法(即随机森林和LogitBoost)构建预测模型，以识别有数学成绩低风险的学生。采用准确性、敏感性、特异性、F1和Matthews相关系数等评价指标对分类结果进行评价。在五个指标中，涉及数学、阅读和早期读写能力分数的多指标筛选程序的表现普遍优于仅依赖数学分数的单指标方法。这些研究结果表明，教育工作者可以在学年开始时使用一组测量方法来筛查一年级学生的数学风险表现。引用:Bulut, O.， Cormier, d.c.， & Yildirim-Erbasli, s.n.(2022)。 Optimized Screening for At-Risk Students in Mathematics: A Machine Learning Approach. Information, 13(8), 400.The full article is available online: .

本文描述了学生成长百分位数(SGP)，这是一种越来越流行的描述学生成长的方法，用于文艺复兴的明星阅读、明星数学、明星早期识字、明星阅读西班牙语、明星数学西班牙语和明星早期识字西班牙语评估。涵盖的主题包括:绩效与增长指标的解释，SGP评分演变的信息(先前评分的目的和时间调整)，以及带有答案的常见问题(FAQs)列表。完整的报告可在网上获得:。

本研究的目的是在统计上将Star阅读统一量表与俄亥俄州立考试(OST)阅读子分量表联系起来，以建立一个相当于47的提升基准的分数。作为批准的替代评估，学校可以使用星读三年级能力评估作为达到基准的证据。完整的报告可在网上获得:。

为了为加州之星阅读和之星数学学校开发“能力之路”报告，我们将我们的比例分数与“更聪明平衡”成绩测试的比例分数联系起来。本技术报告详细介绍了将智能平衡评估与星级阅读和星级数学评分联系起来的过程背后的统计方法。完整的报告可在网上获得:。

为了开发爱达荷州之星阅读和之星数学学校的熟练度路径报告，我们将我们的比例分数与更聪明平衡成绩测试的比例分数联系起来。本技术报告详细介绍了将智能平衡评估与星级阅读和星级数学评分联系起来的过程背后的统计方法。完整的报告可在网上获得:。