質的データ分析の方法

インタビューガイドの質問項目やトピックに対応し、データ中の広いセグメントに内容ベースのラベルを付与。

例：「Q1: 禁煙のために何を試みましたか？」への回答全文に「禁煙方法」コード。

注意：質問枠組みに沿わないデータには不向き。粗い整理として行い、内部でさらに詳細分析が必要。

データ中の節・段落・エピソードの基本的な話題を、一語または短いフレーズ（典型的には名詞）で要約。「何についての記述か」を端的に表す。

例：「廃業店舗」「落書き」「祭り」「争い」など。

長所：シンプルで初心者向き。短所：表面的な主題しか扱えない。他の手法と組み合わせて深掘りすることが重要。

In Vivo はラテン語で「生きた中で」の意。データ中の参加者の肉声そのままをコードとして使用。

例：「学校なんて大嫌い」「居場所がない」「心が折れた」など、当事者の表現をそのままコード名に。

長所：当事者の世界観を尊重。短所：ユニークすぎるとコードが乱立しがち。

動詞の ing 形をコードとして用い、データ中の行為や進行中の現象を捉える手法。グラウンデッド・セオリーで重視。

例：「目を逸らそうとする（avoiding）」→「真実に直面し始める（facing）」。時間を通じた変化を分析できる。

用途：行動パターン・戦略・プロセスの変化を明らかにしたい研究、組織研究・社会運動研究など。

質的データを細かな要素に分解し、詳細に検討して比較する最初期の分析手法。グラウンデッド・セオリーの第一段階。

用途：明確な仮説やカテゴリーがまだ定まっていない探索段階。データから自由に概念を抽出する。

注意：大量のコードが発生するので、メモを取りながら進める。すべてが最終的に使われるわけではない。「ブレインストーミング」のような段階。

データやコード群に対して、ミクロを越えたメゾ・マクロレベルの意味づけを行うコードを付与。「○○化」「〜というプロセス」など抽象的表現。

例：「買い物」「ウィンドウショッピング」「外食」を束ねる上位概念として「消費行動」コードを設定。

注意：時期尚早に行うとデータに忠実でない解釈を押し付けるリスク。具体的コードを十分練った後の最終まとめとして導入するのが望ましい。

参加者が経験した／想起した感情、あるいは研究者がデータから読み取った感情を表す言葉をコードとして付与。

例：「未来が怖い」→「恐怖」、「希望も感じている」→「希望」。

注意：研究者の勝手な推測でコードを付けすぎないこと。「悲しみ（失敗に対する）」のように対象や理由も補足するとよい。

データから参加者の価値観・態度・信念を反映する表現を抽出。「価値観（Value）」は自分や他者・物事に付与する重要度、「態度（Attitude）」は考え方・感じ方、「信念（Belief）」はそれらを含む世界観。

例：「家族を最優先したい」→「家族第一（価値観）」、「どんな人でも平等に扱うべき」→「平等主義（信念）」。

注意：明示されないことが多く、文脈やニュアンスからの読み取りが必要。参加者の言葉を引用しつつコード化することで恣意性を抑える。

データ中に登場する対立や葛藤の構図を「X vs Y」の二項関係でコード化。個人対個人、組織対組織、概念対概念など。

例：「教師たちは標準テストを重視するが、親たちは創造的な学習を望んでいる」→「教師 vs 親」。

注意：本来グラデーションがある現象を二分法に単純化する恐れ。コード付けの後、実際の対立の度合いを丁寧に検討すること。

プログラムや政策などの価値・効果・重要性に関する判断を示すデータにコードを付す。主に評価研究で使用。

例：「時間の無駄だった」→「否定的評価」、「非常に刺激を受けた」→「肯定的評価」、「もっと実践的だと良かった」→「改善要望（実践性不足）」。

注意：誰の評価か（参加者主観か一般基準か）を明確に。評価の背景理由も併せて分析する。

観察記録やインタビューのナラティブを「社会的なドラマ」と捉え、演劇の脚本分析の枠組みでコード化。目的（OBJ）・葛藤（CON）・戦術（TAC）・態度（ATT）・感情（EMO）・心の声（SUB）など。

例：教師を主人公として「OBJ: 授業の成功」「CON: 生徒の不注意」「TAC: ユーモアで注意を引く」「EMO: 焦り」など。

民話・神話・伝説などの典型的なモチーフを参照しながらデータを分類。Thompson の民間文学モチーフ索引などを援用。

例：「貧しい境遇から努力して成り上がる」→「成り上がりモチーフ」。少年が父親に叱責される場面 → P233.2 Young hero rebuked by his father。

注意：物語の類型に精通している必要あり。典型的モチーフが明確な場合に適用する。

文学的な物語分析を質的データに適用。物語の種類・形式・ジャンル・調子・目的・舞台・時間構造・プロット・視点・登場人物類型・テーマ・文芸的手法・会話的特徴...といった要素ごとに分析。

用途：人生物語、口承伝統、物語療法のケース分析など、ストーリー形式のデータ。

注意：時間と労力がかかるため、研究目的に応じて分析する側面を絞る柔軟さも必要。

参加者が用いる隠喩的表現や鮮やかな比喩に着目してコード化。隠喩は「言葉のショートハンド」で、文化固有の価値観や認知パターンを反映する。

例：「まるで長いトンネルの中にいるようだった」→「トンネルの隠喩」。「サーカスの綱渡りをしている気分」→「綱渡り（バランス苦心）隠喩」。

注意：文化・言語依存なので意味の取り違えに注意。背後の概念も考察すること。

会話の逐語記録を綿密に分析し、やりとりの種類（① 挨拶／② 日常会話／③ 熟練した会話／④ 個人的な物語／⑤ 対話）と重要場面の個人的意味を解釈。

用途：カウンセリングや治療セッション、対話的インタビューなど。

注意：非常に緻密な逐語記録が前提。沈黙や相槌など非言語要素も含めて分析する。

データを細分化せず、全体としての基本テーマや問題を把握する手法。「スプリッター」ではなく「ランパー（統合派）」のアプローチ。

例：50 件のインタビュー各々に「家族問題」「職場ストレス」「健康不安」など単一コードを付与してスクリーニング。

戦略：「まずホリスティック、後で詳細化」。最終結論を出すのは難しく、詳細コーディングと併用が通常。

フィールドワーク開始前にあらかじめ仮のコードリスト（スタートリスト）を用意してデータに臨む手法。文献レビューや先行研究、研究者の経験に基づいて作成。

例：先行研究で「学習意欲」「自己効力感」「教員サポート」が示唆されたら、それらを仮コードとして設定し、インタビューに当てはめていく。

注意：データに応じて柔軟に修正・追加・削除する姿勢が必要。仮コードに引きずられすぎないこと。

研究開始前に立てた明確な仮説に即して、仮説から演繹されたコードリストでデータを分析。プロビジョナルと似ているが、こちらは検証すべき仮説が出発点。

用途：混合研究法の質的パートなど、理論や仮説の裏付けを質的データから得たい場合。

注意：仮説支持の証拠に目が行きがちなので、反例や矛盾するデータにも公平にコード化すること。

複数の第一次サイクル手法を選択的に組み合わせて使用する折衷的アプローチ。データや研究目的に応じて適切な手法を併用。

例：教室の出来事はプロセス・コード、教師のインタビューはイン・ヴィボとバリュー、最終的にはホリスティックに主題コードを付与。

注意：「どの部分にどの手法を使ったか」「なぜその組み合わせか」をメモに記録し、一貫性と妥当性を保つこと。

人を対象とする研究で用いられる詳細かつ標準化された手順書（プロトコル）に従ってコード化。DSM などの分類基準に沿って症状を分類するなど。

用途：大規模調査、他研究との比較、国際共同研究での共通コードブック使用。

長所：研究者間のばらつきが少なく比較容易。短所：データの独自性が見落とされる可能性。

イェール大学の人類学者らが 20 世紀中頃に開発した文化事象分類表（OCM）を利用してデータを整理。HRAF（人類関係領域ファイル）の組織化に使われてきた。

例：「292 特殊衣装」「535 ダンス」「541 美術」などの項目に該当箇所をコード付け。

注意：カテゴリが細かく専門的で習得に時間がかかる。自分の研究関心に沿う部分だけ利用するのも可。

Spradley (1980) の民族誌調査手法に基づき、人々が行動や経験を組織化し理解するための文化知識を発見。領域分析で意味的に関連する項目群を見つけ、タクソノミー分析でそれを階層構造に分類。

例：漁村の参与観察で「天気」領域を設定し、現地語の天気種類（凪・時化・半時化など）をコード化、それらを階層分類。

参加者が信じている因果関係を見つけ出してラベル付け。「X が起きたのは Y のせいだ」「もし A だったら B になっていた」などのアトリビューション表明を探す。

例：「両親が医者だったから自分も医療の道に進んだ」→「親の職業→自身の進路」。「大学に落ちたのは運が悪かっただけ」→「失敗の原因＝運」。

注意：客観的な因果ではなく、参加者の信念を扱う。メンタルモデルの再構成として報告する。