試験問題の作成においては、問題の難易度に適切なバラツキを持たせ、学習者の理解度のバラツキが得点分布に近くなることが求められ、精度の高い予測正答率が問題作成時に有用な指標の一つとして考えられる。そこで、LightGBMを利用し、問題文から作成したBoWベクトルと、分野や単元等の問題属性から正答率を予測するモデルを作成したところ、問題属性のみよりBoWベクトルを利用した方が予測精度が上がり、問題属性とBoWベクトルを組み合わせたモデルにおいて平均絶対誤差が13.3ポイントとなることを確認した。今後、精度改善等、実利用に向けた改善を進めていく予定である。