複数者間対話型機械読解（MRC）は、従来の単一の文章形式MRCと比較して、2人以上の参加者が関与する対話文書における理解をさらに高度な課題として提起する。このような複数者間対話に基づく質問応答（QA）タスクを正確に実行するためには、モデルが通常の非対話型文章とは根本的に異なる対話関係（discourse relations）を処理する必要がある。特に、言語学的動機に基づき、文脈的に離れた発話同士を結びつけるような discourse relations の扱いが求められる。このような特異な対話構造が関連するMRCタスクにおけるQA性能に与える影響をさらに探求するため、本研究では、複数者間対話MRCタスクにおいてQAと対話構造解析（Discourse Parsing, DP）を共同で実行する初のマルチタスクモデルを提案する。提案モデルは最新のベンチマークデータセットMolweni上で評価され、補完的なタスクを用いた学習がQAタスクだけでなく、DPタスク自体の性能向上にも寄与することが明らかになった。さらに、長文対話処理において、本モデルが特に優れた性能を発揮することから、関連するMRCタスクにおいてDPの必要性が再確認された。