alterlab-qualitative-methods

質的研究法 — 質的研究の設計・分析エージェント

質的調査を実施、指導、または教育する教員や研究者のための、包括的な質的研究法ツールです。主要な質的研究の伝統全般にわたり、方法論の選択、データ収集の設計、体系的なコーディング、分析手法、質の保証を扱います。

概要

質的研究では、人々が現象に付与する意味を通じて、その現象の理解を目指します。このスキルは、適切な方法論の選択、データ収集用の調査手段の設計、体系的な分析の実施、信頼性の確保、そして各分野の基準を満たす形での知見の報告という、質的研究の全プロセスを研究者に案内します。

数値データを通じて仮説を検証する量的研究とは異なり、質的研究では、言葉、画像、観察を通じて、豊かで文脈に根ざした理解を生み出します。このスキルは、質的研究の解釈的な性質を認めながらも、方法論的な厳密さを譲れない要件として扱います。

このスキルを使用する場面

次の場合にこのスキルを使用してください：

• 研究プロジェクトに適した質的研究法を選ぶとき
• インタビューの質問項目、観察ガイド、または文書分析の枠組みを設計するとき
• 質的データ（逐語録、フィールドノート、文書）をコーディングするとき
• テーマ分析、グラウンデッド・セオリー、IPA、その他の分析アプローチを実施するとき
• 質的研究の知見に対する信頼性と質の基準を確立するとき
• 質的研究の論文や学位論文の方法論セクションを執筆するとき
• 方法論的な厳密さについて質的研究を査読するとき
• 質的研究法の授業を担当するとき
• 量的研究から質的研究または混合研究法へ移行するとき
• CAQDAS（コンピューター支援質的データ分析ソフトウェア）を使用するとき

該当しないケース

ケース	代わりに使用
コーダー間信頼性（Krippendorff's alpha、kappa）の計算や、人間とLLMによる二重コーディングを含む、コードブックを用いたコーディングのパイプラインの実行	alterlab-qualitative-analysis
知見をまとめる前に実施する、信頼性と再帰性の合否判定	alterlab-ssci-reflexivity-gate
質的な研究の流れと量的な研究の流れを統合するとき（収束型・逐次型デザイン、ジョイントディスプレイ）	alterlab-mixed-methods
質問票の項目、リッカート尺度、または調査手段の妥当性検証	alterlab-survey-design
談話分析や会話分析、QCA、プロセス・トレーシング（alterlab-social-science-methods）、トピックモデルやテキスト分類（alterlab-text-as-data）	alterlab-social-science-methods / alterlab-text-as-data

---

主な機能

1. 方法論の選択ガイド

適切な質的研究の方法論は、研究課題、哲学的立場、そして求める知識の種類によって異なります。

方法論の選択フレームワーク：

What is your primary research interest?
│
├── LIVED EXPERIENCE of individuals
│   ├── Focus on meaning-making and interpretation
│   │   └── Interpretative Phenomenological Analysis (IPA)
│   ├── Focus on the essence/structure of experience
│   │   └── Descriptive/Transcendental Phenomenology (Husserl/Moustakas)
│   └── Focus on life stories and identity construction
│       └── Narrative Inquiry
│
├── SOCIAL PROCESSES and how they unfold
│   ├── Want to generate theory from data
│   │   └── Grounded Theory (Strauss & Corbin or Charmaz)
│   └── Want to describe a process in context
│       └── Case Study (Yin) or Ethnography
│
├── CULTURAL PATTERNS in a group or setting
│   ├── Immersive fieldwork possible (months/years)
│   │   └── Ethnography
│   └── Bounded, focused investigation
│       └── Case Study (Yin)
│
├── CONTENT/MEANING in texts or media
│   ├── Seeking patterns and themes across a dataset
│   │   └── Thematic Analysis (Braun & Clarke)
│   └── Systematic categorization of content
│       └── Content Analysis (qualitative or directed)
│
└── A BOUNDED SYSTEM (program, event, organization)
    ├── Single case with depth
    │   └── Single Case Study
    ├── Multiple cases for comparison
    │   └── Multiple Case Study
    └── Evaluating a program or intervention
        └── Case Study with evaluation framework

方法論の比較表：

特徴	テーマ分析	グラウンデッド・セオリー	IPA	エスノグラフィー	ケーススタディ	ナラティブ探究
主な目的	パターン／テーマを特定する	理論を生成する	生きられた経験を理解する	文化的パターンを記述する	境界づけられたシステムを詳細に分析する	ストーリーを通じて経験を理解する
哲学的背景	柔軟（実在論から構成主義まで）	プラグマティズム／シンボリック相互作用論	現象学、解釈学、個性記述的アプローチ	文化人類学	プラグマティズム	Dewey の経験主義哲学
サンプルサイズ	柔軟（6～30人以上）	20～60人（理論的飽和）	3～10人（均質なサンプル）	1つの調査場所（長期）	1～10件の事例	1～5人の参加者
データの種類	インタビュー、フォーカスグループ、文書、あらゆるテキスト	インタビュー、観察、文書	詳細なインタビュー（参加者1人あたり2～3回）	フィールドワーク、観察、インタビュー、人工物	複数の情報源（三角測量が必須）	インタビュー、日誌、ライフドキュメント
分析	6段階のコーディング	オープン・コーディング → 軸足コーディング → 選択的コーディング	行ごとの分析 → 経験的言明 → 個人／グループの経験的テーマ（2009年の用語：創発的テーマ → 上位テーマ）	厚い記述、文化的テーマ	ケース内分析とケース間分析	再ストーリー化、ナラティブ構造
成果物	根拠を伴うテーママップ	実質理論または形式理論	生きられた経験の豊かな記述	文化的肖像／エスノグラフィーの記述	ケースの記述とテーマ	ナラティブの再構成と解釈
所要時間	中程度	長い	参加者ごとに長い	非常に長い	中程度から長い	中程度
主な参考文献	Braun & Clarke（2006、2019、2022）	Strauss & Corbin（1998）；Charmaz（2014）	Smith, Flowers & Larkin（2009；第2版 2022）	Hammersley & Atkinson（2019）	Yin（2018）；Stake（1995）	Clandinin & Connelly（2000）

2. テーマ分析（Braun & Clarke）

最も広く用いられている質的分析手法です。Braun & Clarke（2006、2019年に更新）は、リフレクシブなアプローチを提示しています。

リフレクシブ・テーマ分析の6つの段階：

Phase 1: Familiarization with the Data
│   Read and re-read transcripts
│   Note initial observations (not codes yet)
│   Immerse yourself in the data
│   Record preliminary thoughts in a research journal
│
Phase 2: Systematic Coding
│   Generate initial codes across the entire dataset
│   Code inclusively (code everything potentially relevant)
│   Codes are semantic (surface meaning) or latent (underlying assumptions)
│   One extract can have multiple codes
│   Use line-by-line or segment-by-segment approach
│
Phase 3: Generating Initial Themes
│   Collate codes into potential themes
│   Use visual methods: mind maps, affinity diagrams, tables
│   Themes are patterns of shared meaning organized around a central concept
│   Not every code becomes a theme — some are subthemes, some are discarded
│
Phase 4: Reviewing Themes
│   Check themes against coded extracts (Level 1)
│   Check themes against entire dataset (Level 2)
│   Do themes tell a coherent story?
│   Are themes distinct or overlapping?
│   Refine: split, merge, or discard themes as needed
│
Phase 5: Defining and Naming Themes
│   Write a detailed analysis of each theme
│   Identify the "essence" of each theme
│   Create concise, vivid theme names
│   Determine how themes relate to each other
│
Phase 6: Writing Up
    Weave together analytic narrative and data extracts
    Go beyond description — interpret and contextualize
    Embed extracts as evidence, not illustration only
    Relate findings to literature and research question

コーディングの実例とテーマ開発の例については、references/worked_examples.md を参照してください。

3. グラウンデッド・セオリー

グラウンデッド・セオリーは、体系的に収集・分析されたデータに「根ざした」理論を生成します。

Strauss & Corbin（1998）— 体系的アプローチ：

OPEN CODING
│   Break data into discrete parts
│   Label phenomena (concepts)
│   Group concepts into categories
│   Identify properties and dimensions of categories
│
│   Example:
│   Concept: "Time pressure"
│   Properties: Source (institutional, self-imposed), Intensity, Duration
│   Dimensions: Mild ←──────→ Severe
│
AXIAL CODING
│   Reassemble data around categories
│   Use the paradigm model:
│
│   Causal Conditions → Phenomenon → Context
│                                    → Intervening Conditions
│                                    → Action/Interaction Strategies
│                                    → Consequences
│
│   Example:
│   Causal conditions: Publish-or-perish culture
│   Phenomenon: Research anxiety
│   Context: Early-career faculty, research university
│   Intervening conditions: Mentorship availability, institutional support
│   Strategies: Strategic collaboration, prioritization, avoidance
│   Consequences: Productivity variation, burnout, career trajectory
│
SELECTIVE CODING
    Identify the core category
    Systematically relate all categories to the core
    Fill in categories that need further development
    Validate the emerging theory against data
    Write the storyline

    Example core category: "Surviving the Tenure Track"
    All other categories (research anxiety, teaching load, institutional
    politics, mentorship) relate to this central phenomenon

Charmaz（2014）— 構成主義的グラウンデッド・セオリー：

Strauss & Corbin との主な違い：

• 理論を発見するのではなく構築するうえでの、研究者の役割を重視します
• オープン／軸足／選択的コーディングではなく、初期コーディングと焦点化コーディングを用います
• コーディングでは動名詞（行為を表す語）を優先します：「苦闘している」「交渉している」「適応している」
• メモの作成を最初から中心的なものとして扱います
• カテゴリーが飽和するまで理論的サンプリングを続けます

理論的サンプリング：

Initial data collection (purposive sampling)
│
├── Analyze → Emerging categories
│
├── Identify gaps in categories
│
├── Sample specifically to develop/test categories
│   (Who to interview? What to observe? What documents to examine?)
│
├── Analyze new data → Refine categories
│
├── Repeat until THEORETICAL SATURATION
│   (No new properties, dimensions, or relationships emerge)
│
└── Articulate substantive theory

4. 解釈的現象学的分析（IPA）

IPA は、個人が人生の重要な経験をどのように意味づけるかを探ります。個性記述的、現象学的、解釈学的なアプローチです。

用語（第2版、2022年）： Smith, Flowers & Larkin は分析単位の名称を変更しました。創発的テーマは現在、経験的言明、上位テーマは 個人的経験テーマ（PET）、ケースを横断するマスターテーマは グループ経験テーマ（GET）と呼ばれています。以下の手順では2009年版の名称を用い、2022年版の名称を角括弧内に示します。引用する版に合わせて用語を使い分けてください。IPA に詳しい査読者は2022年版の用語を想定しているため、新しい研究では2022年版の用語を使用してください。

IPA の分析手順（Smith, Flowers & Larkin、2009年；2022年）：

Step 1: Reading and Re-reading
│   Read the transcript multiple times
│   Listen to the audio recording alongside
│   Note initial observations in the margin
│
Step 2: Initial Noting
│   Three types of comments:
│   - Descriptive (content, what is said)
│   - Linguistic (language use, metaphors, pauses, laughter)
│   - Conceptual (interpretive, interrogative)
│
│   Example:
│   Transcript: "It was like hitting a brick wall"
│   Descriptive: Encountered a major obstacle
│   Linguistic: Metaphor of physical barrier — sudden, painful, solid
│   Conceptual: Sense of helplessness? Unexpected nature of the barrier?
│
Step 3: Developing Emergent Themes [2022: experiential statements]
│   Transform notes into concise themes
│   Themes capture psychological essence, not just content
│   Balance participant's words with analyst's interpretation
│   (The hermeneutic circle: part ↔ whole)
│
Step 4: Searching for Connections Across Themes [2022: personal experiential themes, PETs]
│   Organize emergent themes:
│   - Abstraction: Group similar themes under superordinate theme
│   - Subsumption: One theme becomes superordinate, absorbs others
│   - Polarization: Identify oppositional relationships
│   - Contextualization: Identify temporal or narrative connections
│   - Numeration: Note frequency (but do not reduce to counting)
│   - Function: Examine what themes do for the participant
│
Step 5: Moving to the Next Case
│   Bracket (as much as possible) findings from previous cases
│   Repeat Steps 1-4 for each participant individually
│
Step 6: Looking for Patterns Across Cases [2022: group experiential themes, GETs]
    Identify recurrent themes across participants
    Note convergence and divergence
    Create a master table of themes
    Retain idiographic detail — do not flatten into generic themes

IPA のテーマ一覧マスターテーブルの例（上位テーマ、サブテーマ、参加者ごとのページ参照）については、references/worked_examples.md を参照してください。

5. ケーススタディの方法論（Yin、2018年）

ケーススタディ設計の種類：

                    Single-Case              Multiple-Case
                    ┌──────────────────┐     ┌──────────────────┐
Holistic            │ Type 1           │     │ Type 3           │
(single unit        │ Critical, unique,│     │ Replication      │
of analysis)        │ revelatory, or   │     │ logic across     │
                    │ longitudinal case│     │ cases            │
                    └──────────────────┘     └──────────────────┘
                    ┌──────────────────┐     ┌──────────────────┐
Embedded            │ Type 2           │     │ Type 4           │
(multiple units     │ Single case with │     │ Multiple cases   │
of analysis)        │ embedded sub-    │     │ each with        │
                    │ units            │     │ embedded units   │
                    └──────────────────┘     └──────────────────┘

ケーススタディ設計の5つの要素：

1. 研究課題 — 「どのように」「なぜ」という問いが最適です
2. 命題（ある場合） — 検討すべき対象に注意を向けます
3. 分析単位 — 「ケース」（個人、組織、プログラム、出来事）を定義します
4. データと命題を結び付ける論理 — パターン・マッチング、説明構築、時系列分析
5. 調査結果の解釈基準 — 対立する説明、十分な証拠

データ収集 — 6つの証拠源：

情報源	強み	弱み
文書	安定性、非侵襲性、幅広い範囲	検索可能性、選択の偏り、報告バイアス
アーカイブ記録	正確性、定量性	プライバシー上の制限、アクセスのしやすさ
インタビュー	対象を絞った洞察、説明力	質問の不備によるバイアス、回答バイアス、記憶による不正確さ
直接観察	リアルタイム性、文脈性	時間がかかること、選択性、再帰性の影響
参与観察	対人行動に関する洞察	研究者の参加によるバイアス
物理的人工物	文化的特徴に関する洞察	選択性、入手可能性

証拠の連鎖：

Research questions
    ↓
Case study protocol
    ↓
Citations to specific evidence in case study database
    ↓
Case study database (organized notes, documents, tabular materials)
    ↓
Case study report

6. コーディング技法

コーディングの階層：

Level 1: OPEN/INITIAL CODES
│   Line-by-line or segment-by-segment labels
│   Stay close to the data
│   Example: "feeling unprepared," "seeking guidance," "peer support"
│
Level 2: FOCUSED/AXIAL CODES (Categories)
│   Group open codes into higher-level categories
│   Identify relationships between categories
│   Example: "Navigation strategies" (contains: seeking guidance, peer
│   support, trial and error, online resources)
│
Level 3: THEMES / THEORETICAL CODES
    Abstract, interpretive-level patterns
    Capture the meaning across categories
    Example: "The invisible apprenticeship" (captures how new academics
    learn the unwritten rules of their profession)

定義、採用・除外基準、記入例を含むコードブックの完全なテンプレートについては、references/worked_examples.md を参照してください。

7. Pythonベースの質的分析ワークフロー

NVivo/Atlas.tiよりもオープンソースのツールを好む研究者向けに、キーワードベースの初期コーディング、バイグラム／トライグラムの頻度および共起分析、テーマネットワークの可視化をすぐに実行できるPythonレシピで提供しています。

Pythonコードレシピの全文については、references/python_workflows.md を参照してください。

8. 信頼性の基準（Lincoln & Guba、1985年）

質的研究における信頼性は、量的研究における妥当性と信頼性に相当します。

量的研究の基準	質的研究における対応概念	戦略
内的妥当性	信用性	長期的な関与、継続的な観察、トライアンギュレーション、ピア・デブリーフィング、否定事例分析、メンバー・チェッキング
外的妥当性	転移可能性	文脈の詳細な記述、目的的サンプリング、詳細な方法論
信頼性	依存性	監査証跡、調査監査、リフレクシブ・ジャーナル、コード再コードの安定性
客観性	確証可能性	監査証跡、トライアンギュレーション、リフレクシビティ

追加の質的基準 — 真正性（Guba & Lincoln、1989年）：

• 公平性：複数の視点が公平に表現されます
• 存在論的真正性：参加者の理解が深まります
• 教育的真正性：参加者が他者の視点をより深く理解します
• 触媒的真正性：研究が行動を促します
• 戦術的真正性：参加者が行動を起こす力を得ます

トライアンギュレーションの種類：

1. Data triangulation      — Multiple data sources (interviews + documents + observations)
2. Investigator triangulation — Multiple researchers coding/analyzing
3. Theory triangulation    — Multiple theoretical lenses applied to the same data
4. Methodological triangulation — Multiple methods (interviews + surveys + observations)

メンバー・チェッキングの手順と報告用テンプレートの全文については、references/worked_examples.md を参照してください。

9. リフレクシビティ

リフレクシビティとは、研究者が研究プロセスにおける自身の役割、前提、影響について継続的に批判的自己検証を行うことです。

データ収集と分析の前・最中・後にわたるリフレクシブ・ジャーナルの問いかけについては、references/worked_examples.md を参照してください。

---

ベストプラクティス

1. データ収集の前に方法論を選びます。 方法論は、研究課題、サンプリング、データ収集、分析のあり方を決定します。データを収集してから分析方法を決めてはいけません。

2. 監査証跡を維持します。 方法論を選んだ理由、参加者の募集方法、コードの変化、テーマを統合または分割した理由など、あらゆる判断を記録します。これが、研究の厳密さを示す根拠になります。

3. 体系的にコーディングします。 ソフトウェアを使う場合も紙を使う場合も、データセット全体を一貫してコーディングします。自分の予想を裏付ける抜粋だけを選んではいけません。

4. 分析メモを継続的に書きます。 分析的な思考は、メモを書く中で深まります。早い段階から、頻繁に書き、コード、カテゴリー、テーマ、疑問、意外な発見について記録します。

5. 十分に検討したうえで飽和に達します。 飽和は数値ではありません（例：「インタビュー12件」）。新しいデータから、研究課題に関係する新たな洞察が得られなくなったという判断です。

6. 参加者の言葉を使います。 直接引用は質的研究の根拠です。飾りとしてではなく、議論の土台として分析に織り込みます。

7. 記述と解釈を区別します。 記述はデータに何が含まれているかを示し、解釈はデータが何を意味するかを示します。どちらも必要です。混同しないでください。

8. トライアンギュレーションを行います。 複数のデータソース、方法、分析者を用いて信頼性を高めます。単一のソースだけでは不十分です。

9. 再帰性を実践します。 研究者としての立場は、何が見えるか、どのように解釈するかに影響します。告白としてではなく、方法論上の実践として、これを明示します。

10. 透明性をもって報告します。 コードブックを含め、分析プロセスを詳しく説明し、サンプルを選んだ理由を示し、限界を認めます。読者が研究の厳密さを評価できるようにします。

---

よくある落とし穴

落とし穴	起こる理由	回避方法
方法と方法論の混同	方法（インタビュー）と方法論（グラウンデッド・セオリー）を混同する	選択した方法論の哲学的基盤を学ぶ
逸話主義	あらかじめ決めた筋書きを裏付ける引用を選ぶ	データセット全体をコーディングし、反証となる証拠も報告する
早すぎる終了	データ収集を早く切り上げすぎる	理論的サンプリングを用い、飽和に関する判断を記録する
表面的なコーディング	解釈の深さを欠き、記述的な段階にとどまる	潜在的コードと意味的コードの両方を使い、分析メモを書く
テーマ＝トピック	トピックをテーマと呼んでしまう（例：「コミュニケーション」はトピックであり、テーマではありません）	テーマとは意味の共有パターンであり、何らかの主張を示します
文脈の無視	抜粋を文脈から切り離されたデータ点として扱う	コードブックに文脈を保持し、詳細な記述を用いる
再帰性の欠如	研究者が中立的な測定器だと思い込む	初日から再帰的ジャーナルをつける
頻度への過度な依存	質的分析をコードの出現回数を数えることとして扱う	テーマの重要性は頻度ではなく意味にあります
根拠のない方法論の混合	グラウンデッド・セオリーとテーマ分析の要素を説明なしに組み合わせる	方法論上の立場と、その理由を明確にする
データ管理の不備	文字起こしが散在し、バージョン管理もバックアップもない	体系的なフォルダー構成を使い、定期的にバックアップし、CAQDASを使用する

---

参考文献

• Braun, V., & Clarke, V. (2006). 心理学におけるテーマ分析の活用。Qualitative Research in Psychology, 3(2), 77-101.
• Braun, V., & Clarke, V. (2019). リフレクシブ・テーマ分析を振り返る。Qualitative Research in Sport, Exercise and Health, 11(4), 589-597.
• Braun, V., & Clarke, V. (2022). テーマ分析：実践ガイド。Sage.
• Charmaz, K. (2014). グラウンデッド・セオリーを構築する（第2版）。Sage.
• Clandinin, D. J., & Connelly, F. M. (2000). ナラティブ探究：質的研究における経験と物語。Jossey-Bass.
• Creswell, J. W., & Poth, C. N. (2018). 質的探究と研究デザイン：5つのアプローチから選ぶ（第4版）。Sage.
• Lincoln, Y. S., & Guba, E. G. (1985). 自然主義的探究。Sage.
• Smith, J. A., Flowers, P., & Larkin, M. (2009). 解釈的現象学的分析：理論、方法、研究。Sage.
• Smith, J. A., Flowers, P., & Larkin, M. (2022). 解釈的現象学的分析：理論、方法、研究（第2版）。Sage.
• Strauss, A., & Corbin, J. (1998). グラウンデッド・セオリーの基礎：グラウンデッド・セオリー開発の技法と手順（第2版）。Sage.
• Yin, R. K. (2018). ケーススタディ研究とその応用：設計と方法（第6版）。Sage.

詳しくは、方法論の詳細をまとめた references/qualitative-frameworks.md も参照してください。

AlterLab Academic Skills スイートの一部です。