该研究使用六种不同的语言模型（LLMs）通过采样方法产生类似于人类答案的心理测量特性的回答，探索教育测量的有效性。结果显示，某些LLMs在大学代数方面的能力与大学生相当或更高，并且与人类校准的对应物具有很高的相关性。重新采样方法被证明效果最好，提高了Spearman相关性。

人工智能在教育测量中的应用革命了评估方法，但也带来了伦理关切。教育工作者和决策者制定了指南，推动研究以确保人工智能在教育中负责任和有效使用。