近年，様々なテストにおいて記述・論述式問題の活用が注目されているが，特に大規模試験では採点コストの高さや採点者バイアスに由来する評価の信頼性低下などが課題となる。これらの課題を解決するアプローチの一つとして記述・論述式回答の自動採点技術が注目されている。近年では，深層学習を用いた自動採点モデルが多数提案され，高精度を達成しているが，そのような高精度な自動採点モデルであっても得点予測を誤る可能性は残る。この問題を解決する方法の一つとして，得点予測に加えて，予測した得点に対する確信度も出力できる自動採点モデルを用いて，予測誤りの検出を試みる研究がなされている。本研究では，確信度を推定可能な従来の深層学習自動採点モデルを拡張することで，確信度推定と得点予測の両面における性能向上を目指す。また，実データを用いた実験を通して，提案モデルが確信度推定と得点予測の両面で優れた性能を達成することを示す。
