量的、質的、混合の中から研究課題に合ったアプローチを選び、標本設計からデータ収集、分析、妥当性確保まで6段階で方法論セクションを構成しましょう。最も重要な原則は、問いが方法を決めるということです。

なぜ方法論の設計が重要なのか？

方法論は研究課題に答えるための方法を決定し、審査委員が研究の実行可能性を判断する核心的な根拠です。同じテーマでも方法論によってまったく異なる研究になります。「リモートワークが生産性に与える影響」を研究するなら、アンケート調査で500名の回答を分析することもできますし、10名の深層インタビューで経験を探究することもできます。どの方法が適切かは、「どの程度影響するか？」を問うのか、「どのように影響するか？」を問うのかによって変わります。

審査委員が方法論セクションで確認するのは3つです — 研究課題と方法の整合性、実行可能性、そしてなぜこの方法を選んだのかという論理的根拠。

どの研究アプローチを選ぶべきか？

量的研究（Quantitative）

数値で測定し統計で分析します。「どの程度？」「どのような関係？」「差はあるか？」といった問いに適しています。

類型	説明	例
実験研究	変数を操作し効果を測定	A/Bテスト、事前・事後テスト
調査研究	アンケートで大規模データ収集	リッカート尺度調査、オンライン調査
相関研究	変数間の関係を統計的に分析	回帰分析、構造方程式モデリング
メタ分析	既存の研究結果を統合分析	効果量の統合、体系的文献レビュー

利点: 一般化可能、客観的、再現可能。限界: 文脈や意味を捉えにくい。

質的研究（Qualitative）

言葉、行動、テキストを通じて意味と文脈を探究します。「なぜ？」「どのように？」「どのような経験？」といった問いに適しています。

類型	説明	例
現象学	経験の本質を探究	深層インタビュー、体験記述
グラウンデッド・セオリー	データから理論を導出	反復的コーディング、理論的サンプリング
事例研究	特定の事例を深く分析	単一／複数事例分析
エスノグラフィー	文化的文脈で行動を理解	参与観察、フィールドノート

利点: 深い理解、文脈の把握。限界: 一般化が困難、研究者バイアスの可能性。

混合研究（Mixed Methods）

量的方法と質的方法を併用します。一つの方法だけでは答えられない複合的な問いに適しています。

設計	順序	活用場面
収斂設計	量的＋質的を同時実施	同じ現象を異なる角度から確認
順次的説明	量的→質的	調査結果をインタビューで深く説明
順次的探索	質的→量的	探索的発見を大規模に検証

研究課題に合った方法論は？

「どの程度？」を問う問いは量的、「なぜ／どのように？」を問う問いは質的、両方必要なら混合研究です。方法論選択の出発点は常に研究課題です。

研究課題の類型	適切なアプローチ	データ収集	分析方法
「XがYに与える影響は？」	量的（実験）	実験データ、事前・事後テスト	t検定、ANOVA、回帰分析
「XとYの関係は？」	量的（相関）	構造化質問紙	相関分析、構造方程式
「参加者はXをどのように経験するか？」	質的	半構造化インタビュー、観察	主題分析、現象学的分析
「X現象のプロセスは？」	質的（グラウンデッド）	インタビュー、文書分析	グラウンデッド・セオリーコーディング
「Xの効果はどのように作用するか？」	混合	調査＋インタビュー	統計分析＋主題分析

どの方法論が自分の研究課題に合っているか判断が難しい場合は、ヌビントAIの方法論推薦エージェントに研究課題を入力してみてください。類似研究で使用された方法論を分析し、各方法の長所・短所を比較してくれます。

データ収集の設計

研究対象（サンプル）

決定事項	考慮すべき点
母集団の定義	研究結果を一般化する対象は誰か？
サンプリング方法	確率サンプル（無作為）vs 非確率サンプル（便宜、スノーボール、目的的）
サンプルサイズ	量的：検定力分析で算出。質的：飽和（saturation）まで
包含／除外基準	誰を含め、誰を除外するか？明確な基準を提示

データ収集ツール

量的研究であれば、既存の妥当性と信頼性が検証されたツールを優先的に使用してください。新しいツールを開発する場合はパイロットテストが必須です。

質的研究であれば、インタビューガイドの質問が研究課題と直接結びついているか確認してください。誘導質問を避け、オープンエンドの質問で構成してください。

データ分析計画

データをどのように分析するか、収集前に計画してください。「データを集めてから考えよう」というアプローチでは方向を見失います。

量的分析

研究目的	分析方法	前提条件
群間の差	t検定、ANOVA	正規性、等分散性
変数間の関係	相関分析、回帰分析	線形性、正規性
構造的関係	構造方程式モデル（SEM）	十分なサンプルサイズ
カテゴリデータ	カイ二乗検定	期待度数条件
媒介／調整効果	媒介分析、調整回帰	理論的根拠

質的分析

分析方法	適した研究デザイン	核心手順
主題分析	大半の質的研究	コーディング→カテゴリ化→主題の導出
現象学的分析	現象学	意味単位の抽出→本質構造の記述
グラウンデッド・セオリーコーディング	グラウンデッド・セオリー	オープンコーディング→軸コーディング→選択コーディング
ナラティブ分析	ナラティブ研究	物語構造の分析、時間順序の再構成

妥当性と信頼性

方法論の品質を保証する核心的な要素です。

量的研究

内的妥当性: 独立変数のみが従属変数に影響したか？（統制変数の設定）
外的妥当性: 結果を他の状況に一般化できるか？（サンプルの代表性）
信頼性: 同じ条件で繰り返せば同じ結果が出るか？（Cronbach's α ≥ .70）

質的研究

信用性（Credibility）: 参加者チェック（member checking）、トライアンギュレーション（triangulation）
転用可能性（Transferability）: 厚い記述（thick description）
依存性（Dependability）: 監査証跡（audit trail）
確認可能性（Confirmability）: 研究者の省察的ジャーナル

倫理的配慮

人間を対象とする研究には必ずIRB（研究倫理審査委員会）の承認が必要です。

倫理原則	実践方法
自発的同意	研究目的、手続き、リスクを説明し書面同意書を確保
秘密保持	匿名化／仮名処理、データの暗号化保管
リスク最小化	参加者に心理的・物理的な害がないよう設計
データ管理	収集後の保管期間、廃棄方法を明示

方法論セクションの執筆順序

研究デザインの概要 — 量的／質的／混合のどれを選び、なぜ選んだか
研究対象 — 母集団、サンプリング、サンプルサイズとその根拠
データ収集 — ツール、手続き、期間
データ分析 — 使用する分析方法と研究課題との関連
妥当性／信頼性 — 研究品質をどのように確保するか
倫理的配慮 — IRB承認、同意書、データ保護

各項目で「なぜこの方法を選んだか？」を必ず含めてください。類似研究で使用された方法論を参照すれば選択の根拠になります。文献調査エージェントで研究テーマの先行研究を分析すれば、その分野で主に使われている方法論と最新のトレンドを把握できます。

よくある失敗

失敗	解決策
研究課題と方法論が合っていない	問いの類型から方法論を逆算
「なぜこの方法か？」の根拠がない	類似研究の参照＋長所・短所の比較記述
サンプルサイズの根拠がない	検定力分析（量的）または飽和の根拠（質的）を提示
分析方法をデータ収集後に決定	収集前に分析計画を策定
妥当性／信頼性への言及がない	量的なら信頼性係数、質的ならトライアンギュレーションを提示

まとめ

研究方法論は研究課題→アプローチの選択→データ収集の設計→分析計画→妥当性の確保の順序で設計します。最も重要な原則は「問いが方法を決める」ということです。流行の方法論や使い慣れたツールではなく、研究課題に最もよく答えられる方法を選んでください。

方法論が確定したら研究計画書の書き方ガイドで研究計画全体を文書化し、データ収集にアンケートが必要であればヌビントAIのアンケート生成エージェントを活用してみてください。