適応型テストは，逐次的に推定した受検者の能力から情報量が最大となる問題を出題するテストである．これにより，従来型の試験よりも少ない問題数で高精度に測定できる．しかし，従来の適応型テストは，各問題への所要時間を考慮しておらず，所要時間の長い問題が出題されると試験時間が増加する．この問題を解決するため，所要時間を予測する確率的手法を用いた適応型テストが提案されてきた．しかし，近年では，確率的手法よりも深層学習手法の方が予測精度が高いことが知られている．そこで，本研究では，逐次的に推定した能力から最先端手法のMulti-Task DNNを用いて所要時間を予測する．この所要時間から，単位時間あたりに情報量が最大となる項目を出題する．さらに，本研究では，試験に制限時間がある状況を仮定し，各問題の予測所要時間の合計が制限時間内に収まり，単位時間あたりの情報量が最大化となる問題集合を整数計画法により求める．これにより，提案手法では，より単位時間あたりの情報量が高い問題を制限時間内に出題できるため，受検者の能力推定精度の向上が期待できる．提案手法の有効性は実データを用いたシミュレーションにより示した．
