[論文レビュー] Designing Computational Tools for Exploring Causal Relationships in Qualitative Data

Han Meng, Qiuyuan Lyu+5 more|arXiv (Cornell University)|Feb 6, 2026

Data Visualization and Analytics被引用数 0

ひとこと要約

本論文は、QualCausalを紹介します。定性的データから因果ネットワークを構築・可視化するシステムで、自動抽出とユーザー主導のワークフロー、複数視点の可視化を組み合わせて、理論構築と仮説生成を支援します。

ABSTRACT

Exploring causal relationships for qualitative data analysis in HCI and social science research enables the understanding of user needs and theory building. However, current computational tools primarily characterize and categorize qualitative data; the few systems that analyze causal relationships either inadequately consider context, lack credibility, or produce overly complex outputs. We first conducted a formative study with 15 participants interested in using computational tools for exploring causal relationships in qualitative data to understand their needs and derive design guidelines. Based on these findings, we designed and implemented QualCausal, a system that extracts and illustrates causal relationships through interactive causal network construction and multi-view visualization. A feedback study (n = 15) revealed that participants valued our system for reducing the analytical burden and providing cognitive scaffolding, yet navigated how such systems fit within their established research paradigms, practices, and habits. We discuss broader implications for designing computational tools that support qualitative data analysis.

研究の動機と目的

• 定性的データから因果関係を探索する際の現状の実践と課題を理解する。
• 定性的分析における因果発見を支援する計算ツールの設計指針を開発する。
• ユーザー制御とマルチビュー可視化を備えた因果ネットワークの構築・探索を行うQualCausalを設計・実装する。
• 形成的評価とフィードバック研究を通じてユーザー体験と有用性を評価する。

提案手法

• ニーズと設計指針を引き出す15名の参加者を対象とした形成的研究。
• 調査結果に基づく定性的データ因果発見ツール（QualCausal）の共同設計。
• 因果ネットワーク構築ワークフローとマルチビュー探索ビューの二部構成インターフェースの実装。
• 指標、概念、因果関係を用いて指標レベルと概念レベルのネットワークを構築。
• ユーザー入力と文脈によって較正されたLLMベースの因果関係検出を組み込む。

実験結果

リサーチクエスチョン

• RQ1 定性的データにおける因果関係を探索する際の研究者の課題とニーズは何か。
• RQ2 計算ツールは自動抽出・整理・可視化を支援しつつ、ユーザーの主体性をどのように保持できるか。
• RQ3 複数視点の可視化は定性的分析における因果パターンの探索とソースデータへの追跡性を促進できるか。
• RQ4 定性的データからの理論構築を支援する設計原理は何か。

主な発見

• 参加者は分析負荷を軽減し認知的支援を提供するツールを評価する。
• 自動的なキーワード/カテゴリ抽出を求めつつ、人間の介在と解釈可能性を維持したい。
• 大規模な定性的データセットを扱う際には、複数レベルの可視化とソースデータへの追跡性が不可欠である。
• 既存ツールは因果主張を過度に単純化するか、生のテキストで圧倒的になる傾向がある。概念レベルとデータに裏付けられたネットワークのバランスが好ましい。