研究課題（リサーチクエスチョン）の書き方
研究課題は論文の羅針盤です。FINER基準（実現可能性・興味・新規性・倫理性・関連性）で質問の質を評価し、PICOフレームワーク（対象・介入・比較・結果）で構造化すれば、明確な研究課題を作成できます。
なぜ研究課題が重要なのか？
あいまいな研究課題を立てると、文献レビューの範囲が定まらず際限なく論文を読むことになり、方法論が散漫になり、データを集めても意味のある結論を導き出せなくなります。
一方、明確な研究課題は読むべき論文の範囲を即座に限定し、適切な方法論が自然に導き出され、論文の貢献を一文で説明できるようになります。研究課題の作成に一日を投資すれば、研究過程で数ヶ月を節約できます。
FINER基準 ―― 良い研究課題の5つの条件
| 基準 | 意味 | セルフチェック |
|---|---|---|
| F (Feasible) | 実現可能か | 自分が持つ時間、リソース、能力で答えられるか？ |
| I (Interesting) | 興味深いか | この答えを知りたがる人が自分以外にもいるか？ |
| N (Novel) | 新しいか | この問いにまだ十分な答えがないか？ |
| E (Ethical) | 倫理的か | この研究を倫理的に遂行できるか？ |
| R (Relevant) | 関連性があるか | 学界や社会に意味のある貢献をするか？ |
5つの条件のうち一つでも「いいえ」なら、質問を修正すべきです。
研究課題の4つのタイプ
自分の研究がどれに該当するかを把握すると、課題の作成がずっと楽になります。
記述的質問 (Descriptive) ―― 現象をありのまま把握します。「国内の大学院生のAIツール使用状況はどのようになっているか？」探索的研究に適しています。
比較質問 (Comparative) ―― 2つ以上の集団や条件を比較します。「オンライン授業と対面授業で学生の学習成果はどのように異なるか？」明確な比較対象と統計的検定が必要です。
関係質問 (Relational) ―― 変数間の関連性を探ります。「ソーシャルメディアの使用時間と大学生の学業成績との関係は？」相関関係を明らかにしますが、因果関係を直接証明するものではありません。
因果質問 (Causal) ―― 原因と結果を究明します。「マインドフルネス瞑想プログラムが大学院生の学業不安を軽減するか？」実験デザインが必要であり、最も強力なエビデンスを提供しますが、実施の難易度が高いです。
PICOフレームワーク
医療・保健分野で多く使われますが、社会科学でも有用な構造化ツールです。
| 要素 | 意味 | 例 |
|---|---|---|
| P (Population) | 研究対象 | 国内4年制大学3〜4年生 |
| I (Intervention) | 介入/独立変数 | AI基盤ライティングフィードバックツールの使用 |
| C (Comparison) | 比較条件 | 従来の教員フィードバックのみを受ける学生 |
| O (Outcome) | 結果/従属変数 | 学術ライティング能力の変化 |
PICOを組み合わせると：「国内4年制大学3〜4年生(P)にAI基盤ライティングフィードバックツール(I)を使用させた場合、従来の教員フィードバックのみを受ける学生(C)と比較して学術ライティング能力(O)に差があるか？」
4ステップの実践方法
ステップ1：テーマから質問を導き出す
テーマについて「何を」「どのように」「なぜ」という質問を投げかけてみましょう。最低5〜10個の質問を作った後、FINER基準でふるいにかけます。
| テーマ | 何を | どのように | なぜ |
|---|---|---|---|
| AI教育ツール | 実際の使用率は？ | 学習過程をどう変えるのか？ | 使う・使わない理由は？ |
ステップ2：フレームワークの適用
残った質問にFINERまたはPICOを適用します。
例――「AIチューターツールが大学生の学習に与える影響は？」にFINERを適用：
- F：同じ大学の学生を募集可能 → ✓
- I：教育工学分野のホットトピック → ✓
- N：日本の大学生の文脈は不足 → ✓
- E：個人情報保護が必要だがIRB承認可能 → ✓
- R：大学の教授法改善に直結 → ✓
→ 精緻化された質問：「国内大学生のAIチューターツール使用が自己主導学習能力に与える影響はどうか？」
ステップ3：仮説の設定
研究課題が確定したら、検証可能な仮説に変換します。
| 区分 | 内容 |
|---|---|
| 研究課題 | AIチューターツールの使用が大学生の自己主導学習能力に与える影響は？ |
| 研究仮説 (H1) | AIチューターツールを使用した学生は使用しなかった学生より自己主導学習能力が有意に高い |
| 帰無仮説 (H0) | AIチューターツールの使用有無による自己主導学習能力の有意な差はない |
仮説は、具体的（変数と方向が明確）、検証可能（データで確認可能）、理論的根拠（「なぜこの結果を予想するのか」）を備えている必要があります。
NubintAIの仮説生成エージェントに研究課題を入力すると、関連文献を分析して検証可能な仮説を複数提案し、理論的根拠と検証方法も合わせて提示します。
ステップ4：レビューと修正
作成した研究課題と仮説を最終チェックしてください。
- ☐ 質問が一文で明確に表現されているか？
- ☐ 独立変数と従属変数が明確か？
- ☐ 質問の範囲が論文一本で答えられるレベルか？
- ☐ 仮説が測定可能な形式か？
- ☐ 指導教員がこの方向性に同意しているか？
仮説評価エージェントで導出された仮説の妥当性をFINER基準など多角的に評価できます。強み、弱み、改善提案を具体的に提供します。
良い研究課題 vs 悪い研究課題
| 悪い質問 | 問題点 | 改善された質問 |
|---|---|---|
| 「SNSが社会に与える影響は？」 | 広すぎる | 「Instagram使用頻度が20代女性のボディイメージ満足度に与える影響は？」 |
| 「リモートワークは良いのか？」 | 価値判断 | 「リモートワークがIT職種の業務生産性と職務満足度に与える影響は？」 |
| 「学生の勉強習慣は？」 | 変数なし | 「大学新入生の時間管理戦略と初学期GPAの関係は？」 |
よくある4つの失敗
- 質問に答えを含めてしまう ―― 「XがYを向上させるならば…」ではなく「XがYにどのような影響を与えるか？」と書く
- 変数をあいまいにする ―― 「学習効果」ではなく「テスト得点」「自己効力感スコア」など測定可能な変数に具体化
- 一つの質問に多くを詰め込む ―― 質問一つにつき変数2〜3個が適切
- 先行研究なしに質問を書く ―― 必ず文献レビューの後に質問を確定してください
分野別のヒント
- 社会科学 ―― 理論的フレームワークを先に定め、その中から質問を導出しましょう
- 工学/CS ―― 「既存手法に対する性能向上」を測定可能な指標で定義しましょう
- 医学/保健 ―― PICOを必ず適用し、倫理的配慮を質問設計段階で行いましょう
- 人文学 ―― 記述的・解釈的質問が中心であり、仮説よりも研究目的で表現するケースが多いです
まとめ
研究課題は、論文のすべての活動が出発し戻ってくる地点です。FINERで質問の質を評価し、PICOで構造化し、仮説に変換するプロセスを経れば、ぶれない研究の基盤が作られます。