学校系统经常使用学生评估来问责。但是，正如我们的概念模型所强调的，在不同的学校环境中，不同的评估使用配置会为不同的利益相关者产生不同优势的有利于绩效的激励。我们建立了一个数据集，涵盖了来自59个国家的200多万名学生，观察了2000-2015年国际学生评估项目(PISA) 6次学生成绩测试的结果。我们的实证模型利用国家小组维度来调查随着时间的推移评估体系的改革，识别来自国家和年份的固定影响以及一套丰富的学生、学校和国家措施。我们发现，无论是以学校为基础的还是以学生为基础的标准化外部比较的扩大，都与学生成绩的提高有关。在最初表现较差的国家，基于学校的比较效果更强。同样，不进行外部比较的标准化监测对最初表现不佳的国家也有积极影响。相比之下，仅仅引入内部测试和包括检查员在内的教师内部监督并不会影响学生的成绩。我们的研究结果指出了从特定国家的测试系统中过度概括的缺陷。