Assessment Intelligence

評価インテリジェンス

評価回答データを対象とした心理測定分析です。項目の難易度・識別力・当て推量を測定する項目反応理論、テストの難易度とは別に推定する真の能力（θ）、Cronbach のαによる信頼性、コンピューター適応型の次項目選択、スキル習熟度のベイズ知識追跡に対応しています。本来測るべきものを測っていない項目や、学習の軌跡から失敗が予測される学習者にフラグを付けます。

レジストリ名	ai.saifs/assessment-intelligence
エンドポイント	https://assessment-intelligence-mcp.saifs.ai/mcp
トランスポート	Streamable HTTP（リモート、インストール不要）
認証	OAuth 2.1 — PKCE（S256）および動的クライアント登録に対応しています。初回利用時にクライアントからサインインページが開きます
公開元	SAIFS AI

インストール

VS Code / GitHub Copilot

ワークスペースの .vscode/mcp.json またはユーザーの mcp.json に追加します。

{
  "servers": {
    "saifs-assessment-intelligence": {
      "type": "http",
      "url": "https://assessment-intelligence-mcp.saifs.ai/mcp"
    }
  }
}

その後、MCP ビューからサーバーを起動し、プロンプトが表示されたらサインインします。

Claude（claude.ai、Desktop）

設定 → コネクター → カスタムコネクターを追加を選択し、次を貼り付けます。

https://assessment-intelligence-mcp.saifs.ai/mcp

Claude Code

claude mcp add --transport http saifs-assessment-intelligence https://assessment-intelligence-mcp.saifs.ai/mcp

その他の MCP クライアント

Streamable HTTP トランスポートを使用して、https://assessment-intelligence-mcp.saifs.ai/mcp に接続します。サーバーは WWW-Authenticate: Bearer … resource_metadata=… チャレンジを含む 401 を返すため、OAuth 対応クライアントでは自動的にサインインできます。

ツール

ツール	機能
analyze_assessment	項目ごとの IRT パラメーター（難易度、識別力、当て推量）を算出し、不適切な項目にフラグを付けます。
estimate_ability	テストの難易度とは別に、各学生の真の能力（θ）を推定します。
assessment_reliability	Cronbach のαと項目・合計相関を算出します。
adaptive_next_item	現在の能力に基づき、項目バンクから最適な次の問題を選択します（CAT）。
track_mastery	ベイズ知識追跡により、学習履歴に基づくスキルごとの習熟確率を算出します。
flag_at_risk_learners	習熟度や能力の軌跡から失敗が予測される学生にフラグを付けます。順位付けではなく、支援を目的としています。
explain_item	項目の適合パラメーターを示し、その項目の良し悪しを説明します。

プロンプトの例

• 「この模擬試験の回答行列です。識別力が負で、削除すべき問題はどれですか？」
• 「単純な正答率ではなく、このテストにおける各学生の真の能力を推定してください。」
• 「このスキル履歴から、失敗のリスクがある人と、各人が実際に習得した内容を教えてください。」

サポート

• ウェブサイト：https://saifs.ai
• 課題：https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
• プライバシー：https://saifs.ai/privacy_policy