แทนที่จะใช้คอมพิวเตอร์ในการบันทึกคำตอบของการทดสอบแบบเลือกตอบ เกณฑ์การให้คะแนนสำหรับการประเมินระดับรัฐ เช่น ในรัฐนอร์ทแคโรไลนา^{[ 13 ]}ขอให้ผู้ให้คะแนนพิจารณาเอกสารทั้งหมดและทำการตัดสิน ผู้ให้คะแนนไม่ได้รับอนุญาตให้นับข้อผิดพลาด และเกณฑ์การให้คะแนนไม่มีการวัดเชิงตัวเลขว่าข้อผิดพลาดด้านการสะกดหรือไวยากรณ์จำนวนเท่าใดจึงจะนับเป็น "1" หรือ "2" ส่วนการเขียนเชิงวิเคราะห์ของ การทดสอบ GREจะให้คะแนนโดยใช้มาตราส่วนแบบองค์รวมหกจุด โดยเพิ่มขึ้นทีละครึ่งจุด^{[ 14 ]}การให้คะแนนแบบองค์รวมเป็นหนึ่งในสาเหตุหลักของความไม่ลงรอยกันระหว่างผู้ให้คะแนน แต่ด้วยเหตุนี้ การทดสอบบางอย่างจึงได้รับการให้คะแนนมากกว่าหนึ่งครั้งเพื่อตรวจสอบความสอดคล้องกัน

• นักเรียนจะถูกเปรียบเทียบกับมาตรฐานที่ทุกคนสามารถบรรลุได้ แทนที่จะถูกจัดอันดับอย่างไม่เป็นธรรมตามกราฟระฆังคว่ำซึ่งทำให้บางคนต้องถูกเรียกว่าเป็นผู้ล้มเหลว และมีเพียงไม่กี่คนเท่านั้นที่ได้รับอนุญาตให้ประสบความสำเร็จ
• มนุษย์ไม่ใช่คอมพิวเตอร์ที่สามารถประเมินคุณค่าโดยรวมของคำตอบได้ แทนที่จะกำหนดถูกหรือผิดอย่างเด็ดขาดซึ่งไม่เปิดโอกาสให้ตีความ
• การตอบคำถามแบบอิสระเป็นการใช้และทดสอบทักษะการคิดขั้นสูงซึ่งมีความสำคัญในมาตรฐานการศึกษาใหม่ ส่วนใหญ่
• ผลการศึกษาชี้ให้เห็นว่า การสอบ แบบเลือกตอบที่ตรวจโดยคอมพิวเตอร์ส่งผลเสียต่อชนกลุ่มน้อย และเป็นการกีดกันโอกาสอย่างไม่เป็นธรรม
• การทดสอบตามมาตรฐานเท่านั้นที่สอดคล้องกับการปฏิรูปการศึกษาตามมาตรฐาน ซึ่งตั้งอยู่บนความเชื่อที่ว่านักเรียนทุกคนสามารถประสบความสำเร็จได้ ไม่ใช่เพียงแค่บางคนเท่านั้น
• การสอบผ่านการทดสอบระดับชั้นมัธยมศึกษาปีที่ 4 และการมอบใบรับรองความเชี่ยวชาญเบื้องต้นเป็นการรับประกันว่านักเรียนทุกคนจะสำเร็จการศึกษาด้วยทักษะที่จำเป็นต่อการประสบความสำเร็จในเศรษฐกิจระดับโลกของศตวรรษที่ 21
• ต่อไปนี้ นักเรียนจะไม่ถูกเอาเปรียบด้วยการเลื่อนชั้นเรียนโดยที่ยังไม่ได้รับความรู้และทักษะที่เด็กทุกคนในระดับชั้นนั้นควรจะมีอีกต่อไป
• เมื่อนักเรียนทุกคนผ่านเกณฑ์มาตรฐานทั้งหมด ซึ่งเป็นความเชื่อหลักของการปฏิรูปการศึกษาแบบอิงมาตรฐานนักเรียนทุกคนจากทุกกลุ่มประชากรจะได้รับคะแนนสอบเท่ากัน ซึ่งจะช่วยขจัดช่องว่างความสำเร็จ ลึกลับ ที่เคยปรากฏให้เห็นระหว่างทุกกลุ่มในการทดสอบทุกประเภท อย่างไรก็ตาม ณ ปี 2549 การประเมินแบบอิงมาตรฐานยังไม่สามารถบรรลุเป้าหมายที่มองโลกในแง่ดีนี้ (นักวิจารณ์อาจเรียกว่าเป็นไปไม่ได้) แม้ว่าหลายระบบจะแสดงให้เห็นคะแนนที่เพิ่มขึ้นก็ตาม

เมื่อเปรียบเทียบกับการทดสอบแบบเลือกตอบที่อิงตามเกณฑ์มาตรฐานการทดสอบที่อิงตามมาตรฐานสามารถจำแนกได้จาก:

• คะแนนตัดเกณฑ์จะถูกกำหนดสำหรับระดับความสามารถที่แตกต่างกัน ไม่มีคะแนนตัดเกณฑ์สำหรับแบบทดสอบอ้างอิงมาตรฐาน และไม่มีคะแนนสอบตกในการสอบ SATแต่ละวิทยาลัยหรือสถาบันการศึกษาจะกำหนดมาตรฐานคะแนนของตนเองสำหรับการรับเข้าเรียนหรือการให้รางวัล
• มีการกำหนดระดับผลการปฏิบัติงานที่แตกต่างกัน โดยทั่วไปคือ สูงกว่ามาตรฐาน ตรงตามมาตรฐาน และต่ำกว่ามาตรฐาน ระดับเหล่านี้มักถูกกำหนดในกระบวนการเปรียบเทียบมาตรฐาน แม้ว่ากระบวนการดังกล่าวจะไม่ได้คำนึงถึงว่าข้อสอบนั้นเหมาะสมกับระดับชั้นเรียนหรือไม่ก็ตาม
• การสอบจะประเมินผลโดยรวมจากคำตอบที่เขียนอิสระ ซึ่งมักมีรูปภาพประกอบ มากกว่าการให้คะแนนแบบถูกหรือผิดจากตัวเลือกหลายข้อ
• ด้วยเหตุนี้ การตรวจข้อสอบจึงมีค่าใช้จ่ายสูงขึ้น โดยปกติจะมีค่าใช้จ่าย 25-30 ดอลลาร์ต่อข้อสอบ เทียบกับ 2-5 ดอลลาร์ ยังไม่รวมค่าใช้จ่ายในการพัฒนาข้อสอบ ซึ่งมักจะแตกต่างกันไปในแต่ละปีและแต่ละรัฐ
• การตรวจข้อสอบทำได้ยากกว่า เพราะโดยทั่วไปแล้วจะตรวจเทียบกับข้อสอบตัวอย่างเพียงไม่กี่ฉบับ โดยมีเพียงหนึ่งหรือสองฉบับในแต่ละระดับคะแนน และไม่สามารถตรวจด้วยคอมพิวเตอร์ได้
• การทดสอบมีความน่าเชื่อถือน้อยกว่า ความสอดคล้องอาจอยู่ระหว่าง 60 ถึง 80 เปอร์เซ็นต์ในมาตราส่วน 4 ระดับ และถือว่ามีความแม่นยำ
• ผู้ตรวจงานไม่จำเป็นต้องมีใบอนุญาตประกอบวิชาชีพครู เพียงแค่มีปริญญาตรีในสาขาใดก็ได้ และโดยทั่วไปจะได้รับค่าจ้าง 8 ถึง 11 ดอลลาร์ต่อชั่วโมงสำหรับงานพาร์ทไทม์
• อัตราการสอบตกที่สูงถึง 80 ถึง 95 เปอร์เซ็นต์นั้นไม่ใช่เรื่องผิดปกติ แต่เป็นสิ่งที่คาดการณ์ได้และมีการประกาศในสื่อท้องถิ่นเมื่อมีการแนะนำโครงการทดสอบ ภายใต้เกณฑ์การสำเร็จการศึกษาแบบดั้งเดิม นักเรียนชาวแอฟริกันอเมริกันมีอัตราการสำเร็จการศึกษาในระดับประเทศใกล้เคียงกับนักเรียนผิวขาว ในปี 2549 นักเรียนชาวแอฟริกันอเมริกันสามในสี่ที่ สอบ WASL ไม่ผ่าน ได้ รับคำมั่นจากผู้กำกับดูแลการ ศึกษา เทอร์รี เบอร์เกสันว่าจะไม่ได้รับประกาศนียบัตรหากสอบซ่อมไม่ผ่านภายในสองปี แม้ว่าก่อนหน้านี้เธอจะให้คำมั่นว่า "นักเรียนทุกคน" จะได้รับประกาศนียบัตรระดับโลกก็ตาม
• โดยทั่วไป อัตราการสอบตกของกลุ่มชนกลุ่มน้อยและนักเรียนที่มีความต้องการพิเศษจะสูงกว่ากลุ่มส่วนใหญ่ถึงสองถึงสี่เท่า เนื่องจากคำถามแบบตอบยาวนั้นยากกว่าคำถามแบบเลือกตอบ
• เนื้อหาข้อสอบมักยาก แม้แต่สำหรับผู้ใหญ่ที่จะตอบได้อย่างรวดเร็ว โดยเฉพาะในระดับชั้นประถมศึกษาปีที่ 4 โดยเฉพาะอย่างยิ่งในวิชาคณิตศาสตร์ ศาสตราจารย์ดอน ออร์ลิชเรียกข้อสอบWASLว่า "หายนะ" เนื่องจากข้อสอบคณิตศาสตร์และวิทยาศาสตร์มีเนื้อหาที่ยากเกินระดับพัฒนาการปกติของนักเรียนในหลายระดับชั้น
• คณิตศาสตร์มีสัดส่วนของสถิติและเรขาคณิตสูง และมีเนื้อหาของการคำนวณเลขคณิตพื้นฐานน้อย
• โรงเรียนจะได้รับคะแนนเป็นศูนย์สำหรับนักเรียนที่ไม่เข้ารับการทดสอบ
• โดยทั่วไปแล้ว การสอบผ่านการทดสอบดังกล่าวในระดับชั้นมัธยมศึกษาปีที่ 4 ถือเป็นข้อกำหนดสำหรับการสำเร็จการศึกษาระดับมัธยมปลาย
• การผ่านการทดสอบดังกล่าว ไม่ใช่การได้คะแนนอยู่ในระดับเปอร์เซ็นไทล์ที่ 50 ถือเป็นเกณฑ์วัดผลการเรียนในระดับชั้นเรียน
• คำถามที่มีคำตอบที่ถูกต้องอาจถูกให้คะแนนว่าไม่ถูกต้องหากไม่แสดงวิธีการหาคำตอบ คำถามที่มีข้อสรุปเชิงตัวเลขที่ไม่ถูกต้องอาจไม่จำเป็นต้องถูกให้คะแนนว่าผิดเสมอไป^{[ 15 ]}
• การทดสอบ CLAS ปีแรกของแคลิฟอร์เนียไม่อนุญาตให้มีเกรดคณิตศาสตร์สูง '4' แม้แต่ในโรงเรียนที่ได้คะแนนสูงสุด เพื่อเปิดโอกาสให้มีการปรับปรุง^{[ 16 ]}
• โครงการเขียนของนอร์ทแคโรไลนาให้คะแนน '4' ที่เป็นเลิศน้อยกว่า 1 เปอร์เซ็นต์ เอกสารดังกล่าวใช้คำศัพท์และความรู้ในระดับที่บางครั้งเกินกว่าระดับผู้ตรวจงานของบัณฑิตวิทยาลัย และสูงกว่ากลุ่มเป้าหมายที่ตั้งใจไว้สำหรับการสำเร็จการศึกษาระดับมัธยมปลาย^{[ 17 ]}ระดับนี้จะยากยิ่งกว่าการได้คะแนน SAT ที่เพียงพอสำหรับการเข้าเรียนในวิทยาลัยเอกชนในกลุ่มไอวีลีก
• โดยทั่วไปคะแนนจะเพิ่มขึ้นเร็วกว่าการทดสอบมาตรฐาน เช่น NAEP หรือ SAT ที่จัดขึ้นในช่วงเวลาเดียวกัน^{[ 18 ]}