01、先看项目：Quantitative Methods PhD 是 4–5 年制，12 月 1 日截止
德克萨斯大学奥斯汀分校教育心理学系的 Quantitative Methods PhD 是正式研究型博士项目。项目官网把学制写成 48–60 个月，秋季入学，申请截止日期为 12 月 1 日；研究生申请系统通常在 8 月初开放，因此 2026 年 9 月 11 日已处在 2027 秋季申请准备与提交窗口内。项目采用 mentor model，申请者需要在材料里说明研究兴趣与教师研究的具体交点，而不是只写“喜欢统计”。
Hyeon-Ah Kang 现任德克萨斯大学奥斯汀分校教育心理学系副教授，并担任 Quantitative Methods Area Chair。Quantitative Methods 教师页面在她姓名下明确标注 Accepting new students。她的研究横跨心理计量、项目反应理论、认知诊断、反应时与过程数据、计算机自适应测验等，和“教育测量”这一方向是直接匹配。
项目页还提醒申请者在 Statement of Purpose 中讨论潜在导师及研究匹配。这意味着套磁或 SOP 不能只把 Kang 的论文题目列一遍，更应说明自己手里有什么数据、测量问题或建模经验，为什么这些经验能接到她正在推进的 psychometrics 与 technology-enhanced assessment 研究。
02、Harrington 最低现金 stipend 约 32.9 万元/年，但它是竞争性提名
UT Austin Graduate School 当前 Recruitment Fellowships 页面列出的 Harrington Recruitment Fellowship 面向优秀的外部博士新生，由学院或项目提名，不接受学生自行直接申请。当前博士档 12 个月 stipend 至少为 49,000 美元，并配套 tuition and required fees、学生医疗保险补助与 2,000 美元 incidental allowance。人民币年额只折算 49,000 美元现金 stipend，不把学费、保险和杂费额度一起货币化。
2026 年 9 月 11 日尚未发生，没有可用的“当天成交汇率”，因此使用当前最近可核实的 9 月 4 日历史汇率：1 美元约 6.7113 元人民币。49,000 美元折算约 328,854 元，即约 32.9 万元/年。这是竞争性 fellowship 的最低现金档，不等于所有 PhD offer 都保证获得，更不能理解成导师个人承诺的资助。
如果没有拿到该 fellowship，申请者仍需以正式 offer 和项目资助信为准。学校 2026–27 Cost of Attendance 对非德州居民全日制研究生给出的年度 tuition 估算约为 17,312–19,340 美元，实际账单取决于注册学分和项目。申请决策时应把“竞争性 fellowship 的现金”“学费收费口径”和最终 offer 中的实际 support 分开看。
03、Hyeon-Ah Kang 关注的核心不是分数，而是“测量有没有真的测到东西”
Hyeon-Ah Kang 的工作有一个很稳定的主轴：当考试越来越数字化，研究者不应该只盯最终得分。点击、拖拽、页面切换、作答时长、反复尝试等过程行为都可能带来额外信息，但这些行为首先是“测量对象”，不是天然正确的解释。如何把它们放进统计模型，同时避免把噪声误当能力差异，是她研究的重要问题。
这也是为什么她的公开研究领域会同时出现 item response theory、cognitive diagnostic modeling、response time、computer adaptive testing 和 multimodal data。对教育或心理背景的申请者来说，真正的匹配点不是“我会机器学习”，而是能不能把教育测量问题翻译成可识别、可估计、可诊断的模型，并清楚说明模型假设何时会失效。
04、2026 年的 action-count 模型：连“做了几次动作”也可以进入测量模型
2026 年发表于 British Journal of Mathematical and Statistical Psychology 的研究把 technology-enhanced assessments 中的 action count 当成正式建模对象。Hyeon-Ah Kang 与合作者讨论 latent Poisson count models，并通过多面参数化区分 item type 等因素；研究既做 simulation，也用真实数据展示 count-based process data 如何补充传统答题结果。
这个方向对博士研究很有延展性。动作次数通常是离散计数，而且常见过度离散、零膨胀、题型差异和个体策略差异。申请者如果有统计、心理计量或数据科学训练，可以从模型适配、异常检测、不同任务结构下的可比性，甚至与反应时和文本日志的联合建模切入。这里的价值不在“数据更多”，而在于多一种行为信号后，测量结论是否更可信。
05、过程日志最危险的假设，是把“同一个指标在所有阶段都等价”当成理所当然
Kang 参与的 2025 年 Psychometrika 研究提出用于非不变测量的 latent Markov model，并把方法应用到 computer-interactive assessments 的 interaction log data。它针对的是一个很实际的问题：学生在不同潜在状态或不同解题阶段里，同一种观测行为未必代表同一件事。如果强行假设 measurement invariance，模型可能把行为变化错误解释为能力或状态变化。
她同年的 online item monitoring 工作又把注意力放到题目漂移与质量监控上。数字化测评不断更新，题目参数可能随时间变化，安全事件、曝光、内容变化都可能让旧校准失效。把 measurement invariance、sequential monitoring 和 process data 放在一起看，可以看到这条研究线真正关心的是“测量系统在动态环境里还能不能被信任”。
06、申请对齐：把统计工具写成“我要解决的测量问题”，而不是软件清单
更贴近这位导师的背景通常包括教育测量、心理计量、统计学、定量心理学、数据科学或有扎实量化训练的教育/心理学。CV 可以具体写 IRT、SEM、Bayesian modeling、latent variable models、longitudinal models、R/Python/Stan 等经历，但不要只堆关键词。最好给一个真实研究例子：你怎样定义 latent construct，怎样检查模型拟合，怎样处理 missingness、非独立性或 measurement invariance。
Research Proposal 可以从过程数据与分数联合建模、动态认知状态、在线题目监测、跨群体测量公平、adaptive testing 或多模态 assessment 中选一个窄问题。套磁邮件则适合直接说明你读过哪一项 Kang 的研究、你已有的数据或方法基础、想继续追问什么。这样的表达比“我对 AI 教育很感兴趣”更能证明你理解她的研究核心。
