生成AIを用いた学習支援アプリでは，AIの誤答を検証せず受け入れてしまう過信が問題となる。本研究では，多肢選択問題に取り組む学習者の視線などの生体情報から，AIに対する過信状態を推定する手法を検討する。多肢選択課題に自己回答先行(Self-Answer-First; SAF)方式を組み込んだ実験環境を用いて，視線計測装置による視線情報と自己申告信頼度を取得する。セッションごとにAI正答率を操作し，主観的信頼とAI性能の不一致から適正／過信ラベルを生成する。得られたデータを用いて分類モデルを学習し，SAF環境における過信検知の可能性と有効な視線特徴量を検討し，将来的なリアルタイム検知への足掛かりとする。