Pertanyaan adalah alat penting dalam pembelajaran untuk membantu siswa membangun pemahaman dan mendorong pemikiran kritis. Teknologi dapat digunakan untuk mendukung pembelajaran, termasuk pembuatan dan evaluasi pertanyaan. Klasifikasi pertanyaan sangat penting dalam proses pembelajaran karena memungkinkan untuk mengenali pertanyaan yang berbeda berdasarkan topik, tingkat kesulitan, atau tujuan pembelajaran yang unik. Selain itu, menentukan tingkat kesulitan sangat penting untuk memastikan efektivitas pembelajaran. Dengan menggunakan Graph Attention Network (GAT) sebagai dasar, penelitian ini menyarankan model klasifikasi teks untuk pertanyaan. Model GAT dipilih karena kemampuannya untuk menangkap interaksi antara kata-kata dalam sebuah kalimat dengan memodelkan pertanyaan sebagai sebuah graf. Dengan memanfaatkan attention mechanism, GAT memungkinkan setiap kata untuk secara selektif memperhatikan kata-kata tetangganya di dalam graf sehingga dapat secara efektif menangkap konteks dan semantik pertanyaan yang kompleks. Akan ada 10 kategori yang digunakan dalam penelitian ini. Sepuluh kategori tersebut terdiri dari verification, disjunction, concept, extent, example, comparison, cause, consequence, procedural, dan judgmental. Penelitian ini mencoba mengklasifikasikan pertanyaan dengan menggunakan pohon ketergantungan sebagai konstruksi graf dan model GAT sebagai pembelajaran representasi graf. Hasil percobaan menunjukkan bahwa model tersebut mencapai akurasi 0.7056 dan F1-score 0.6733.