コーディングと発酵思考
第8回 コーパス演習（2026年度）
質的データ分析とは、インタビュー記録や観察メモなど、数値化できないデータに対してその意味を読み解く手法です。収集した文章や会話、画像などのデータを精読し、共通するテーマやパターンを見出したうえでコード化（ラベル付け）などを行い、人々の関係性や価値観・概念を深く理解していきます。質的分析の成果は統計的な数値ではなく、データに潜む意味や物語として表現される点に特徴があります。
質的データ分析を行う意義の一つは、数値では捉えきれない文脈に基づいた深い洞察を得ることにあります。人間の行動や語りには複雑な背景や意味が込められており、質的手法によってそれら「なぜ」「どのように」を解明することが可能です。
また、人文学の研究伝統では、時間をかけてゆっくりと考察を深めるスローサイエンス的な姿勢を重視します。データにじっくりと向き合い解釈を練り上げるこの反復的・内省的プロセスは、まるで発酵させるように時間の経過が思考を成熟させる効果があると例えられます。実際、質的分析ではデータを丁寧に読み込み、思考の「醸成」を経て深い洞察に到達することがしばしばです。
| 観点 | 質的分析 | 量的分析 |
|---|---|---|
| データの性質 | テキスト・映像・音声データ（内容や意味に焦点） | アンケート集計や実験の測定値などの数値データ（数値の関係や差異に着目） |
| 目的と問いの立て方 | 「何が起きているか」「なぜそうなっているのか」「どのように進行しているのか」（帰納的アプローチが多い） | 「どの程度か」「違いは有意か」（演繹的アプローチが中心） |
| 研究デザイン | 調査デザインが柔軟で、状況に応じて方法を変更・調整できる | 質問紙調査や実験など手順が厳密に定型化された方法で進められる |
| データ量と結果の形式 | 比較的少数のケースを深く掘り下げ、文章による記述や概念モデル、事例のナラティブ（物語）として提示 | 多数のサンプルから普遍的傾向を導き出し、数表やグラフなど統計的指標で報告 |
| 知見の一般化範囲 | 特定の状況や文脈に密着しており、豊かな詳細を含むが、一般化には慎重さが求められる | 広範な対象に当てはまる一般法則を示す傾向があるが、個々の文脈差異は捉えにくくなる |
質的・量的の架橋：混合手法の可能性
以上のように質的・量的にはそれぞれに強みがありますが、近年では両者を橋渡しするデータサイエンスの技法も登場しています。例えば、トピックモデリングや自然言語処理（NLP）といった計算手法により、大量のテキストデータからパターンや潜在的テーマを自動抽出することが可能です。こうして得られたトピックやパターンに対し、研究者がその意味や文脈を解釈・考察を加えることで、新たな質的洞察に結びつけるアプローチも生まれています。実際、インタビュー分析にテキストマイニングを併用したり、大量の文書を機械学習で分類した上で重要な事例を深掘りするといった混合手法も広まりつつあります。
質的データを分析する基本的な流れ（ワークフロー）は、一連のステップとして次のように整理できます。質的分析はしばしば探索的かつ反復的なプロセスとなり、各段階を行きつ戻りつしながら進められます。
研究計画とデータ収集：まず研究の目的や問いを設定し、それに沿ってデータを収集します。インタビュー、フィールドワーク（観察）、アンケートの自由記述、日記、文書資料、ネット上の投稿など、さまざまな質的データが対象になります。
データの準備（逐語録の作成等）：音声データの場合は録音から逐語録（トランスクリプト）を作成します。話し言葉を逐一文字に書き起こし、躊躇や沈黙も分析上意味がある場合はそのまま記録します。
データの精読・全体把握：集めたデータ全体に繰り返し目を通し、内容と雰囲気をつかみます。この段階では分析を急がず先入観をできるだけ排して生データを丹念に読み込むことが重要です。まずはデータに潜むパターンを直感的に感じ取ることを心がけます。
データの分割とコード化：テキストデータを意味のある小さな単位に区切っていきます。それぞれの断片（意味単位）について、含まれる重要な内容や特徴に着目してラベル（コード）を付与します。この作業をコード化（コーディング）と言います。一つの断片に複数のコードを付けても構いません。
コードのグループ化とカテゴリー化：全ての断片にコードを付与したら、似た内容のコード同士をまとめて上位のカテゴリーを作成します。例えば複数の発言に「不安」「心配」といったコードを付けていた場合、それらをまとめて「ネガティブな感情」というカテゴリーにグループ化する、といった具合です（日本ではKJ法と呼ばれるカード分類の手法でコードをグルーピングすることもあります）。
解釈と結論の導出：グループ化したカテゴリーやテーマをもとに、データが示す意味合いを総合的に解釈します。カテゴリー間の関係性を考え、データが語る物語（ストーリーライン）や理論モデルを構築していきます。質的分析ではこの解釈の部分が最も創造的で重要です。
結果の報告と検証：最後に分析結果をまとめ、レポートや論文として文章化します。質的研究の報告では、読者がデータを追体験できるよう具体的なデータの引用を示しながら論じることが重要です。さらに、分析結果の信頼性を補強するためにトライアンギュレーション（多角的検証）を行うことも有用です。
8.3.1 「発酵思考」によるプロセスの比喩
質的分析のプロセスは、パン作りにおける発酵の過程に喩えられることがあります。時間をかけて材料を醸すことで美味しいパンができるように、データにも時間を与えて熟考することで深い解釈が得られるという比喩です。
1. 材料を集める
データ収集（インタビュー、観察等）
2. 生地をこねる
データ整理・一次分析（コード化開始）
3. 生地を寝かす
熟考とメモ（間をとってデータを振り返る）
4. 発酵させる
解釈・テーマ抽出（カテゴリー→理論構築）
5. 焼き上げる
執筆・報告（論文やレポートとして完成）
これら5つのステップは一度ずつ順番に行えば完了するわけではなく、実際にはステップ1〜4を行きつ戻りつ何度も反復しながら進めていく点がポイントです。
質的データ分析における核心的な作業がコーディング（コード化）です。コーディングとは、質的データの一部分（テキスト断片など）に対してその内容を端的に表すラベル（コード）を付与する作業を指します。コードは通常、データ中のテーマや特徴を表現した短い言葉やフレーズです。コーディングには分析者の解釈が少なからず入ります。しかし、コーディングを通じてデータを再構造化することで、それまで隠れていたパターンや意味が見えるようになります。
8.4.1 コードの種類と視点
質的データのコーディングは、紙とペンを使ったアナログな方法から専用ソフトウェアまで、様々な手法・ツールで行うことができます。
8.5.1 アナログな方法（付箋・KJ法）
最も手軽な方法は紙とペン、付箋などを使ったアナログなコーディングです。プリントアウトした逐語録にマーカーでハイライトしたり、重要な箇所に直接書き込みをしてコード化することができます。多数の付箋紙に発言断片を書き出し、テーブル上で似たもの同士をグループ化する方法も有効でしょう（KJ法）。データに直接触れながら考えられる利点がありますが、データ量が多くなると物理的な管理が難しくなります。
8.5.2 身近なデジタルツール
特別なソフトがなくても、身近な汎用ツールで質的分析を行うことは可能です。例えば Google ドキュメントや Microsoft Word などのワープロソフトで逐語録テキストを表示し、重要部分をハイライトしてコメント機能でコードを書き込む方法でも十分に分析できます。また、Excel や Google スプレッドシートに発言断片を一覧化し、「発言内容」「コード」「メモ」といった列を設けて管理する方法もシンプルながら有効です。特別なソフトウェアがなくても身近なデジタルツールで質的分析の基本作業は実施できるということです。
8.5.3 専用ソフトウェア（CAQDAS）
本格的な研究を進める段階では、コンピュータ支援質的データ分析ソフト（CAQDAS: Computer Assisted Qualitative Data Analysis Software）の利用も検討されます。代表的なものに NVivo や MaxQDA、ATLAS.ti などがあります。これらは大量のテキストや画像・動画データをデータベースに読み込み、マウス操作でテキストをハイライトしてコードを付与し、コードで検索・絞り込みをするなど高度な分析機能を備えた強力なツールです。ただし NVivo や MaxQDA はいずれも有料ソフトであり、まずは Excel や Google ドキュメントなどの汎用ソフトで十分に練習し、より高度な分析の必要性が出てきてから本格ソフトの導入を検討しても遅くはありません。
8.5.4 マインドマップの活用
コードからカテゴリーへの体系化や概念同士の関係整理には、マインドマップ・ツールも有用です。カテゴリー間の関係や階層構造を二次元空間にマッピングすることで、リスト表示では見えにくい概念間のつながりを直感的に把握できます。特にインタビュー調査などで得られた多数のコードをカテゴリーにまとめ上げ、そのカテゴリー間の関係（因果関係や対立関係）を検討する際、マインドマップ上で試行錯誤すると新たな発見が生まれることがあります。
重要なのは、自分のプロジェクトに合ったツールを選び、「発酵思考」のプロセスを支えてくれる形で活用することです。たとえ手作業でもデジタルでも、ツールはあくまで補助に過ぎません。最終的にデータの意味を読み解くのは研究者自身の洞察力と、時間をかけて熟考する姿勢（発酵）である点は変わらないことを念頭に置きましょう。
ここまで紹介してきた質的分析・コーディングの考え方は、社会調査のインタビュー記録やフィールドノートだけでなく、人文学の伝統的テキストにも応用可能です。文学作品や哲学・歴史の文献などを読む際にも、質的分析の手法を応用することで新たな発見や体系的な理解が得られることがあります。
このように、質的分析とコード化のロジックは人文学のテキスト読解にも有効です。コード化はテキストを「分解」しつつ「再構成」する作業と言えます。コード化を通じてテキストを丁寧に読み解くことで、従来の読解では見落としがちだったパターンに気づいたり、解釈に一貫性と根拠を持たせたりすることができます。