テーマ決め、は先行研究の洗い出しは終わり次に何をすればいいのか。手元にある程度の先行研究が集まったら、次に待っているのが最大の関門、「自分の研究内容をどう具体化するか」です。
ここで多くの学生が同じ壁にぶつかります。
「先行研究はたくさん読んだ。でも、これを踏まえて自分は何を研究すればいいのか分からない」
先行研究を”読んだ”だけで終わってしまい、そこから自分の研究への”橋渡し”ができないのです。この橋渡しの作業こそが、卒論における「独自性（オリジナリティ）」の源泉になります。この記事では、先行研究をどう分解して読めば独自性が見えてくるのか、その基本的な考え方を整理したうえで、AIをどう活用できるかを解説します。
1. なぜ「先行研究を読んだのに何も浮かばない」のか
原因ははっきりしています。多くの人は先行研究を「内容（結論）」としてしか読んでいません。「Aという研究によると、SNS利用時間が長い学生ほど集中力が低い傾向がある」というように、結論だけを拾って満足してしまうのです。
しかし、独自性はほとんどの場合、結論そのものからは生まれません。独自性は、その結論が「どのような条件・切り口のもとで導かれたものか」という背景にある構造を見比べたときに初めて見えてきます。
つまり、先行研究を読むときに見るべきは「何が分かったか」だけでなく、「どういう角度から」「どういう方法で」「どのくらいの規模で」明らかにされたのか、という3つの構造的な情報です。
2. 先行研究を分解する3つの視点
先行研究を読むときは、以下の3つの視点でメモを取りながら読み進めることをおすすめします。
視点①：学問的な観点（ディシプリン）
同じ「SNSと大学生」というテーマでも、心理学の観点から論じられているのか、社会学の観点なのか、経営学・マーケティングの観点なのか、情報工学の観点なのかで、扱う変数も理論的な枠組みもまったく異なります。
- この研究は何学的なアプローチを取っているか（心理学／社会学／経営学／教育学／情報学など）
- どの理論・概念を土台にしているか（例：認知的不協和理論、社会的比較理論など）
視点②：研究手法（メソドロジー）
同じテーマでも、量的調査（アンケート・統計分析）で扱われているのか、質的調査（インタビュー・事例分析）で扱われているのか、あるいは実験形式なのかによって、明らかにできることの性質が変わります。
- 量的研究か、質的研究か、あるいは両方を組み合わせた混合研究か
- 具体的な手法は何か（アンケート調査、実験、インタビュー、既存データの二次分析など）
- 分析にどんな統計手法が使われているか（回帰分析、因子分析、t検定など）
視点③：規模・対象（スコープ）
同じ結論に見えても、それがどのくらいの規模・対象で導かれたものかによって、一般化できる範囲がまったく違います。
- サンプルサイズ（何人・何件を対象にした調査か）
- 対象の属性（大学生か社会人か、特定の学部・業界に限定されているか、国内か海外か）
- 調査を行った時期（コロナ禍前後で状況が大きく変わるテーマも多い）
この3つの視点を、読んだ先行研究ごとに一覧表として書き出していくと、単なる「感想」だったものが、比較可能な「データ」に変わります。
3. 3つの視点から「隙間（ギャップ）」を見つける
複数の先行研究を3つの視点で並べてみると、必ずどこかに「まだ埋まっていない部分」が見えてきます。これを研究の世界では「リサーチギャップ」と呼びます。独自性とは、多くの場合、ゼロから何かを生み出すことではなく、この隙間を正確に見つけて言語化することです。
具体的には、以下のような比較をしてみましょう。
- 学問的な観点の比較：「心理学的な研究は多いが、経営学（消費者行動）の観点からはあまり論じられていない」
- 研究手法の比較：「量的研究ばかりで、当事者の実感を深掘りするインタビュー調査が少ない」
- 規模・対象の比較：「調査対象が首都圏の大学生に偏っており、地方大学のデータがほとんどない」「コロナ禍前のデータが中心で、直近の状況を扱った研究が少ない」
4. 隙間の種類とその意味
見つかる「隙間」は、性質によっていくつかのパターンに分類できます。自分が見つけた隙間がどのタイプかを意識すると、研究の位置づけを説明しやすくなります。
| 隙間のタイプ | 内容 | 卒論での扱いやすさ |
|---|---|---|
| 観点の隙間 | 特定の学問分野からしか論じられていない | 比較的扱いやすい。自分の専攻の理論を掛け合わせる形で独自性を出せる |
| 手法の隙間 | 量的研究に偏っている（または質的研究に偏っている） | 扱いやすいが、新しい手法を自分で習得する労力が必要 |
| 対象・規模の隙間 | 特定の属性・地域・時期に調査対象が偏っている | 卒論レベルで最も扱いやすい。「対象を変えて追試する」というシンプルな設計にできる |
| 変数の組み合わせの隙間 | AとBの関係は研究されているが、Cという別の要因を加えた場合は未検証 | やや難易度が高いが、独自性としては強い |
大学生の卒論としては、いきなり誰も検証していない新しい理論を作るのではなく、「対象・規模の隙間」や「観点の隙間」を埋めるという設計が、現実的かつ着実に評価されやすい選択です。
5. ここでAIをどう活用するか
3つの視点で先行研究を整理し、隙間を見つける作業は、本来かなりの時間と根気を要する作業です。ここでAIが力を発揮します。ただし、ここでも大事なのはAIに「独自性を考えて」と丸投げしないことです。AIの役割は、自分がすでに整理した情報を突き合わせて、構造的に比較させることにあります。
活用①：先行研究の整理を構造化してもらう
読んだ論文の情報（学問的観点・手法・対象規模）をAIに渡し、表形式に整理してもらうことで、比較がしやすくなります。
以下は、私が卒業論文のために読んだ先行研究のメモです。
これらを「学問的観点」「研究手法」「対象・規模」の3つの軸で
整理した比較表を作成してください。
# 先行研究メモ：
・研究1：[論文タイトル／分かったこと／使われていた手法・対象などのメモ]
・研究2：[同上]
・研究3：[同上]
（読んだ数だけ追加）
活用②：隙間（リサーチギャップ）の候補を洗い出してもらう
整理した比較表をもとに、まだ埋まっていない部分の候補をAIに挙げてもらいます。ここで出てきた候補は「仮説」として扱い、本当にその隙間が存在するかは、必要であれば再度先行研究を確認しましょう。
以下は、私が整理した先行研究の比較表です。
この表を踏まえて、まだ十分に研究されていなさそうな
「観点」「手法」「対象・規模」の組み合わせを3つ挙げてください。
それぞれについて、
・なぜその組み合わせが手薄だと考えられるか
・その隙間を埋めることで、どのような学術的・実践的な意義がありそうか
も併せて説明してください。
# 先行研究の比較表：
[活用①で作成した比較表を貼り付け]
活用③：自分の研究として言語化する
隙間の候補が見えてきたら、それを「検証可能な研究の問い」の形に言語化する作業もAIに手伝ってもらえます。ここは第1回の記事で紹介したプロンプトの考え方と同じで、AIは「翻訳者」として使うのがポイントです。
以下の研究の隙間（リサーチギャップ）をもとに、
卒業論文の研究テーマ・リサーチクエスチョンとして
成立する形に言語化してください。
# 見つけた隙間：
[例：SNS利用と学習集中力の関係は心理学的に多く研究されているが、
消費者行動論の観点や、地方大学の学生を対象にした研究は少ない]
# 出力してほしいもの：
1. 研究テーマ（一文）
2. リサーチクエスチョン（「〇〇は〇〇にどのような影響を与えるか」の形）
3. この研究の学術的・実践的な意義（3行程度）
使う上での注意点
先行研究の洗い出しの回でも触れましたが、AIが提示する「隙間」や「意義」は、あくまでもっともらしい仮説にすぎません。特に「本当にその観点からの研究が存在しないか」については、AIの回答を鵜呑みにせず、CiNiiやGoogle Scholarなどで改めて確認する一手間を忘れないようにしましょう。AIは思考の壁打ち相手であり、事実確認の代わりにはなりません。
6. まとめ
先行研究を「集める」段階から「自分の研究に落とし込む」段階に進むときに必要なのは、先行研究を結論だけで読むのではなく、「学問的観点」「研究手法」「対象・規模」という3つの構造で分解して読む視点です。この3つを複数の先行研究で比較したときに見えてくる隙間こそが、卒論における独自性の正体です。
AIは、この分解・比較・言語化の作業を効率化する道具として非常に有効ですが、独自性そのものを”考えさせる”のではなく、自分が読み込んで整理した情報を土台に”構造化・言語化させる”という使い方が、丸投げ感のない、地に足のついた研究デザインにつながります。
次回は、研究計画書について書こうと思います。
コメント