記述式答案の自動採点において、高精度なモデル構築に必要な教師データの作成コストと、実運用時の信頼性担保は重要な課題である。本研究では、BERTモデルの構築過程に能動学習を導入し、不確実性や多様性を考慮した効率的な学習データ選択戦略を提案する。さらに、モデルの確信度に基づき重大な誤採点を回避しつつ自動採点率を最大化するHuman-in-the-Loopの判定機構を用いて、実用性を多角的に評価した。実験の結果、提案手法はランダム選択と比較して少量のデータで高い精度と信頼性を達成し、アノテーションコストの削減と運用時の安全性向上に寄与することを明らかにした。