mooncircle

論文でアンケート調査を用いる場合、単に質問項目を羅列して回答を集めるだけでは、

「なぜその質問が必要なのか」

「得られたデータはどのように解釈できるのか」

が不明瞭になりがちです。

そこで重要になるのが、

理論枠組みという

「ものごとをどの視点からどう捉えるのか」を明示する枠組みです。

理論枠組みがあることで、

アンケート項目同士の関係性や

予想される因果関係を整理でき、

調査結果の解釈に一貫性と妥当性を持たせられます。

さらに、論文全体を通じて

「この調査は何を明らかにしたいのか」が明確になり、

研究の質が格段に向上します。

＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊

以下に簡単な例を示しましょう。

例テーマ：自己効力感と学習成果に関するアンケート調査

たとえば、

「大学生の自己効力感（自分ならできるという感覚）と学習成果との関係」

を調べる研究を想定してみましょう。

理論枠組みとしては、

バンデューラの「自己効力感理論」を採用します。

この理論によれば、人は「成功体験」や「周囲からの称賛」などを通じて自己効力感を高め、その結果、学習行動や成果につながりやすいとされます。

アンケートの項目は、自己効力感を測るための定評ある尺度（例：General Self-Efficacy Scale）を活用したうえで、

学習成果を評価するための成績や試験結果、

あるいは学習習慣（勉強時間、学習意欲など）を問う質問を組み込みます。

さらに、自己効力感と学習成果をつなぐ要因として、

「周囲のサポート」や

「過去の成功体験」、

「学習環境（オンラインか対面か）」などの統制変数（分析上抑えておきたい要因）を盛り込み、

より精緻にデータを解析します。

と、簡単な例ですが、この用意理論枠組みを使うことで、研究の本質の深堀が可能となります。

＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊

なぜ理論枠組みが大切なのか？のポイントをまとめると以下の4点に集約できます。

➀測定の一貫性
理論に基づいて項目を作成することで、

「測りたい概念を的確に測る」質問項目を整合的に設計できます。

➁データの解釈が容易
調査結果を理論に照らし合わせて解釈することで、

「なぜこの傾向が出たのか」を論理的に説明しやすくなります。

➂先行研究との比較
既存の理論や過去の研究成果と照らし合わせることで、

自分の研究の独自性や新たな発見をよりはっきり位置づけることができます。

④論文の説得力向上
結論が「個人的見解」に留まらず、理論という“後ろ盾”を得られるため、

研究全体としての信頼性と妥当性が増します。

アンケート調査を計画する際には、

まず「どの理論枠組みにもとづいて、どんな仮説を立てたいのか」を明確にしてみてください。

その上で、理論的に重要な変数を質問項目に落とし込み、
データ収集の後に理論との関連をしっかり検証する流れを整えます。

こうしたプロセスを踏むことで、論文としての完成度を高め、読者に「なるほど」と納得してもらえる研究へとつなげることがかのうとなります。

修論や卒論で実験や調査のデータの収集が終わったものの、

最初に設定した目的や仮説に合致しなかった、とか、

とりあえずデータを取ることを優先して、そこから何が言えるかを考えたい

（＝目的をちゃんと考えてなかった＼(◎o◎)／！）、とか、

データー収集は完了したものの、そ迷子になっている方が少なからず毎年おられます。
どうすればよいかはケースバイケースですが、今日はこのような場合に

論文の初心者の方々に共通してる考えられる解決策を３つまとめたいともいます。

まずは、
（１）データの再検討
データに誤りや異常値がないかの確認、

統計分析の間違いがないかの確認、

まず、落ち着いてここからの検討です、

それでも、仮説や目的に合致しないデータであったならば、

（２）仮説の再評価
最初に立てた仮説が妥当であったかを再検討し、

仮説がそもそも間違っていたならば、

新たな仮説を立て直します。

先に立てた仮説を結果出てからか変えても良いの？

よくある質問ですが新たな仮説が妥当であるならば、

とりあえずOK！
何かしら後出しじゃんけんのようですが、

卒論や修論ならばこれも有りかと思います。

次に考えられる方策としては
（３）得られたデータから新たな知見を引き出す
仮説の書き直しという点では（２）と似ていますが、

（２）が元の仮説の延長上で仮設を書き直すとすれば、

（３）は全く別の視点で、得られたデータをとらえなおし、結論を導きだすことを検討するということです、

視点を変えて得られた知見が新たな洞察や研究の方向性を示すことがあります。
あるいは、得られたデータを詳細に分析し、新たなパターンや関連性を見つけるということも考えられますし、

最初の分析に使った方法とは異なる分析手法を試みるということも有効です。

データを取ったもののここから何がいえるのかわからなくなった・・・・・

大丈夫です。

あの手この手で色々な方向からデータを見直せば必ず解決策は見えてきます。

焦らずに落ち着いて取り組んでいきましょうね。

先日、受講生の方から

「インタビュー調査（＝半構造化面接）をするにあたって
一人では心もとないので、
同じ研究分野の知人二人に、
一緒にインタビューに同席してもらおうと
思うのだけども、
何か問題は有りますか。」

という質問を受けました。

結論から言うと、そういう形式のインタビューはありです。

しかし、インタビュアーが一人の場合と複数の場合とで、いくつかの異なる点がありますので、その違いを理解しておくことが大切です。

まず、

インタビュアーが一人の場合は

インタビュー全体を通じて質問のスタイルや深掘りの方法が一貫しているので
➀対話の一貫性が保たれます。

また、インタビューの流れや進行をコントロールしやすく、想定外の質問や逸脱を管理できるので
➁インタビューのコントロールが容易です。

さらに言えば、回答者とインタビュアーの１対１の何晏形成の中での会話の方が、
回答者が自己開示をしやすくなり
➂より親密性が高まる関係性が構築しやすいです

一方、

インタビュアーが複数の場合は
それぞれのインタビュアーが異なる視点や専門知識を活かした質問ができるため、より幅広い情報や多面的な見解を得るといった、
➀多角的な質問が可能となります。

また、これと関連しますが
一人のインタビュアーが見逃した点や深掘りできていない点を、
他のインタビュアーが補うことができるためより詳細で包括的なデータ収集となり、すなわち、
➁質問の補完と深掘りが可能となります。

それから、個々のインタビュアーのバイアスや先入観の影響を相互にチェックし合うといった
➂バイアスの軽減も期待できます。

言い換えれば、

インタビューアーが複数の場合は、一人の場合に生じる可能性のある問題を補完することができます。

しかしながら、インタビュアーが

一人の場合は対話的な雰囲気を作りやすく、回答者がリラックスして自然体で話しやすい環境となりますが、
インタビュアーが複数の場合は工夫と管理に注意しなければ

回答者が緊張するといったデメリットもあります。

また、共著になる論文などで、助手の方などが院生の指導の一環として複数のインタビュー形式を取られる場合もありますが、
時たま院生の方あ我遠慮か何かで、質問を全くされない時があるようですが、
このようなことが生じないよう、

複数のインタビュアーの場合はインタビューの準備として、リサーチクエスチョンやインタビュガイドの確認をしておくことは有効でしょう。

もちろん当たり前のことですが、複数の回答者にインタビューをする場合、
一人のインタビュアーの場合と複数の場合を混合させてはいけない事は言うまでもありません。

ちょっと気になったので、とりあえず記事にしておこうと思い、今日は書きました、

どなたかの参考になれば幸いです。

半構造化面接は、インタビュー調査においてよく用いられる手法ですが、その実施には注意が必要です。

多くの大学生・大学院生のかあ田形がが陥りがちなのは、事前の計画なしに
✕「何となく聞きたいことを行き当たりばったりで聞く」というアプローチ✕です。

これは研究とは言えません。

なぜなら、このようなアプローチでは、インタビューから得られる

データの分析時に、明確な分析テーマや共通の質問項目が欠けていて、

単にインタビュー内容を記録し紹介するに留まるからです。

この結果、研究としての価値を欠く単なる記述になってしまいます。

では、研究としての質を確保するためにはどのようにすれば良いのでしょうか？

まず、➀研究の目的と調査テーマを明確にすることが重要です。

これに基づき、➁どのような情報を収集する必要があるかを事前に決定し、

③それに適した質問項目を設計します。

質問は、インタビュー全体を通じて一貫性があり、

比較や分析が可能な形式でなければなりません。

また、半構造化面接の利点を活かすためには、柔軟性も重要です。

設計した質問に固執するあまり、インタビュイーが重要な情報を話し始めたときに

深堀りを怠らないことです。

回答者の反応に応じて適宜、追加質問を行うことで、

より豊かなデータを収集することが可能となります。

このようにして、半構造化面接を計画的に、かつ柔軟に運用することで、質の高い研究データを収集し、有意義な分析と結論に結びつけることができます。

研究は単に情報を集めること以上のものであり、そのプロセスと結果から学び、新たな知見を生み出すことが本質です。

半構造化面接（＝インタビュー調査）の研究計画を立てる際は、これらのポイントを心掛け、研究の質を一層高めていくことを意識してください。

主に社会科学の分野で

インタビュー調査などの言語データを収集、分析して、

最終的にモデルを作るという結果のまとめ方があります。

収集された言語データから

何らかのテーマやパターンを見出して

複雑な社会現象や人間の行動を洞察するアプローチです。

この「モデル」を構築するというのは、

質的調査の最終目標で理論構築をすることでもあります。

このモデル構築によって、考察しようとしている

現象の背後にあるメカニズムや関連性を理解する手助けとなります。

例えば、複雑に絡まる

要因がどのように影響し合っているかなどを考察し、説明することができます。

先行研究を十分に読み込んでいるならば、

調査前に、仮説モデルを提示することもできるでしょう。

仮設モデルを提示し、

実際に調査してデータ収集し、

パターンを見出してモデルを作り理論構築する

。。。これができれば、とても評価される論文となるでしょうね。

言い換えれば、非常に難易度の高い研究でもあります。

もちろん、得られたメカニズムやパターンは、ある特定の対象から得られたデータから構築されているので、

一般的な傾向や普遍的な法則を導き出すことには慎重になる必要があります。

ゆえにそれを補う方策として、

量的研究をセットにするということが考えられます。

私たちは、社会科学の分野でのサポートをする場合、十分に時間的余裕があると考えられる時で、対象者を得られる算段がある場合、

できるだけ質的研究と量的研究との両方を行うように提案する時が多いです。

先日、四日後の論文途中の報告発表会に、仮説としての仮モデルを作ってほしいという依頼があって驚きました。

論の一部の文章をモデルを作成して書き方をご指導する私たちのモデル作成サポートをそのようにとられてのご依頼だったのですが、

そのあたりの誤解があったとはいえ

まだインタビュー調査をするかどうかわからない、

対象者が決まっていない、

リサーチクエスチョンが決まっていない、もちろんインタビューガイドもできていない、

それ以前に先行研究で何を読めばいいかわからない、

そういった段階で、仮説となる仮モデルの作成などはできません。

それは研究の本体であるという意味でも、私たちがそれを作成すると代行作業のようなものなのでできません。

「先輩方の論文を見たら。そのようなモデルが提示されていたから」

といったお話でしたが、そこに掲載されているモデルの作成に至るまでに、多くの時間と労力が費やされています。

これからモデルを作ろうと思っている方々は、

十分に先行研究を読み込み、

リサーチクエスチョンを練ったうえで、

インタビューガイドを作成し、

モデル構築の研究に臨まれてくださいね。

ゼミで卒論や修論の進捗状況を報告してください、と言われた時、

まとまりなくだらだらと話していたら、

時間はあっという間に過ぎてしまい、指導教官も聞いている他のゼミ生も、

結局何が言いたいのかポイントがつかめず、自分自身も話しながら何を言いたかったのかわからなくなり、ますます、カオスに陥ってしまう・・・・といった悪循環のループに陥ってしまいます。

十分な準備が必要。

では何にポイントをおいて準備すればいいか、ということですが、とりあえず

最初の一歩の段階はで明確に報告するべき究極のポイントを絞ると以下の

３点。

➀何を明らかにしたいのか＝目的を明確に伝える

「進捗状況の報告の前の段階」ならば、興味関心があることを伝えるのもありです。

が、研究の「進捗状況の報告」は、もうすでにこの段階ではない。

多くの人が陥ってしまう失敗は上述の２つを混同してしまうこと。

興味関心ではなく「目的」を伝える。

これはシンプルにしていけば、研究テーマであり

究極的にシンプルにすれば、題名になります。

➁どのような方法を行うのか

具体的であればあるほどベターですが、

とりあえず、質的なのか、量的なのかとか、レビューなのか、事例研究なのかとか、およその

研究枠組みは答えれるようにしておく。

ただし注意したいのは答えるだけなら言いたい放題であるわけで、

なぜその方法をとるのかの説明ができなければなりません。

それと、自分のキャパとして

実現可能な方法でないと意味がない。

例えば、具体的に、被験者を集めるあてがない方法を上げても絵に描いた餅に終わってしまいます。

③オルタナティブで考えることもOK=この段階では一つに絞り込む必要はない

初めからパシッと道筋が決まることはまずなく、研究を進めるうえで、

いくつかの岐路にさしかかることはままあります。

研究計画の最初の段階ならばなおさらそう。

上記２点（目的・方法）に関して、

いくつかのバージョン（あるいはアイデア）を考えておくことも有効でｓｙ。

一見、曖昧のようにも見えますが、だらだらとした説明とは一線を画していて、

「いくつか」にまとめる必要がありますからおのずとそこに、その違いを比較する視点も持つようになります。

注意したいのは、たくさんバージョンを出してしまったら意味がないので、せいぜい､

５つぐらいが限度かなと思います。

ポイントは以上３点です。

もちろん正攻法で言えば、先行研究を読み込んで、目的を考え方法を考えるということですが、

先行研究の読み込みという、いわゆるボトムアップと、言い方は悪いですが、

ある程度の直感でトップダウン的に目的と方法を考える、

この二つの方向を同時にやっていくと効率が良いように思います。

あくまでも最初のとっかかりをつかむのがこのやり方の目的。

皆目、何から手を付ければいいか迷子になったときは、こういう発想でも考えてみてくださいね。

調査や実験の研究計画を立てる時、まず最初の関門は

被験者収集の検討をつけることではないでしょうか。

いくら良い研究計画ができても、

被験者を収集する算段が立てられないなら、何も前へ進むことができません。

回収率が高くて、一番効率が良いのは、

指導教官が自身の講義の後で、配布回収してくれるという方法。

これは回収時期や回収数の目安もつきやすく、確実性が高いので、かなり良いケースです。

しかしながら、研究の内容によっては、大学生以外の被験者も必要になることもあるでしょう。

そういうとき、知人のツテを頼ってという方法も、

いわゆるスノーボール方式という方法で、考えられるわけですが、質的研究なら必要数は集められるでしょうが、

１００を超える被験者数が求められる量的研究になると限界があるかもしれません。

最近ではSNSを使って、被験者の募集をかけるという方も時たまみられます。

この方法は、指導教官や所属の研究科によっては認められないこともあるので、

事前に確認が必要です。

コロナ禍の影響もあって、リアルは紙ベースの質問紙を配布できないという制限もあって、

最近ではGoogleフォームというGoogleが提供するアンケートの書式などを活用し、サクッと集められる方も増えてきました。

しかしながらすべてがそのようなフォームで対応できるとは限らず、例えば、、全国や地域限定で、なんらかの施設等を対象にアンケートをお願いする場合などは、郵送で調査用紙を配布して、返送をお願いして回収するという方法をとらざるを得ない時もあります。

このような場合は指導教官からのお願いの一筆やご連絡があれば、回収率は上がりますが、いわゆる飛び込みで配布する場合は、回収率は今まで

平均して２０％程度でした。

これでも、回収率としては良い数字と言われています。

言い換えれば、予定している回答数の5倍以上を胚珠しないといけないという計算になります。

今までで是が非でもという必死の努力を感じたのは、学食て友人と手分けして、アンケートを取りまくってきた人がおられました。

テーマが、大学生にとって興味深かったこともありますが、ほぼ三日で、１５０ほどのデータを集めるという快挙でした。

その他には謝礼を弾む、という手で、集められた方もおられます。

一時間ほどの認知心理実験の被験者募集で、２０－３０名の被験者集める必要があった際に、協力者には終了後、お菓子に、生協の５００円のプリペイドカードをお渡しるつということを友人通じて告知されたところ、あっという間に集まりました。

被験者が集まらないと、せっかくの研究計画も計画倒れ。

反対に言えば、

集まる被験者の目論見を立てて、それに合わせて実験計画を考えるというのも、現実的な一つの方法だと思います。

これから研究計画を立てられる方は、被験者集めの具体的な方法と可能性にも留意しながら進められてくださいね。

結果を統計で分析する。。。。と聞くと難しく聞こえるのですが、複雑な計算は統計ソフトがやってくれるので、

数値を出すだけならさほど難しくなく、実際やってみたら「案外簡単！」

と思われるかもしれません。

しかしながら、ここに魔物が住んでいます。

実際、論文を提出されてからのちに、口頭試問のサポートのお問い合わせをいただいたケースで、何だか数値は書かれているものの、

「有意な数値」の「有意」を間違って理解されていたり、

分析で得られた数値の意味を十分に認識されていなかったりで、

根本的に結果が間違えている、というケースがこれまでいくつかありました。

このようなケースでは

「なぜこの統計分析を行ったのか、その意図は何ですか？」

と質問すると

「先行研究でされていたからまねした」

というお答えが多いです。

先行研究の分析と同様の方法で追試するというのはありではあるのですが、それは追試の場合であって、

研究のオリジナリティ（独自性）を追求するならば、

新たな視点で、

明確な目的をもった統計分析が当然求められます。

何を明らかにするためにそれを行っているのか自分で、しっかりと理解して行わないと、何の考察も生まれてこない。

それからまた、単純集計をもって統計分析をした、と考えている方が時々見られるのですが、

それは文字通り集計しただけのもの。

コロナ禍で直接的に渡す紙ベースの質問紙調査が敬遠され、Googleフォームのアンケートを使う人がほとんどだった昨年度、Googleフォームでディフォルトで集計されてくる記述統計、いわゆる短銃集計をもって統計したという人が意外にも多かったので、あえてここで、注意喚起しておきます。。

統計は統計ソフトが数値を出してくれるので、何となく、やった感を得て、ほっとしてしまう人がいるけれども、

統計はあくまでツール。

何を検証するために、ツールを使うのかを明確に自分で理解しておかなければなりません。。

また、ツールの中でもトンカチを使うのか、のこぎりを使うのか、言い換えれば、相関分析をするのか、多重比較をするのか、重回帰分析をするのか、など、

目的に沿った道具を使わないといけない。

その根本的な失敗の原因のルーツをたどっていくと、研究計画の段階で目的が明確でなかったことにある場合が多いです。

そこで、結局は基本に立ち返るのですが、研究計画をしっかり構築しておくことが重要で、

その延長上にやるべき統計分析が見えてくるわけで、

また当然のことながら、

統計の基礎基本の概説書を１冊は手元に置いて統計を進めることが必須なのは言うまでもありません。