fix

src/contents/202309128-ai-for-learning/index.md

@@ -51,6 +51,8 @@ AI技術と教育工学・認知心理学の歴史はとても長く、理論と
 
 先の例をあげると、概念A、B、Cの理解を問うテストがあるとする。この回答データがあれば、Aを理解している人がBを理解している確率、Aを理解している人がCを理解している確率と言ったふうに、とある概念を理解しているかどうかについての条件付き確率を求めることができ、それを全パターンを集めると条件付き確率のテーブルを作ることができる。その結果、たくさんデータがあると言う前提の元、どれを理解していればどれを理解していないかと言う構造を見つけることができるようになる（そういうアルゴリズムがある、もしくは専門家が所与のものとして構造を定義する（これが現実））。そして構造を作ってしまえば、今度はテストの結果を入力に、どの単元の理解不足による誤答かという推論をすることができるようになる。
 
+ただの条件付き確率ではなく、ベイジアンネットワークを用いる良いところは構造ありきで考えられるところだ。もし専門家が事前に構造を与えられるのであれば専門家の知識を活かした推論ができることになるし、構造ごと推論すれば未知の知識構造を発見することにもつなげられる。
+
 #### 項目反応理論
 
 ある設問が、学習者の能力の測っているかを判定する理論で、設問の質を図る手法だ。データサイエンス畑の人に一言で説明するならば、回答者の能力（θ）と設問の識別力(a)と設問の難易度（b）をパラメータにとったロジスティック関数で、aの値によって傾きが大きくなるテストは良いテストだとする理論だ。言い換えると、悪いテストとはどのような能力を持った受験者でも正解不正解が50パーセントの確率で決まってしまうテストだ。当てずっぽうで正答できると、そのテストは能力を判定するテストとして良くない。代わりに能力が少し違うだけで正解不正解が綺麗に分かれるテストは、その能力を図る上では良いテストだと言える。
@@ -110,3 +112,8 @@ knewton 自体はアダプティブラーニングエンジンと呼ばれてい
 ただこれは知識のネットワークを所与として与えることはできないので、自分達でマイニングする必要がある。
 
 そして自分はメディアサイトでこの機能を作ってみたい、今の会社か次の会社でやりたい。
+
+## 参考文献
+
+- [人工知能と教育工学―知識創産指向の新しい教育システム](https://amzn.asia/d/cbDJkxE)
+- [The KnewtonPlatform A General-Purpose Adaptive Learning Infrastructure](https://www.profijt.nu/wp-content/uploads/2015/09/20150902-White-paper-The-Knewton-Platform.pdf)