【卒論・研究】計画の次は「アンケート設計」！分析に耐える質問作りとAI活用

これまでの記事で、テーマ決めから先行研究の洗い出し、独自性の見つけ方、研究計画書の作成までを解説してきました。研究方法として「アンケート調査」を選んだ人は、次にいよいよ調査票（質問項目）そのものを作る段階に入ります。

「とりあえず聞きたいことを箇条書きにして、Googleフォームに入力すればいい」と考えている人は要注意です。アンケート調査は、質問の作り方一つで得られるデータの質が大きく変わり、最悪の場合、集めたデータが分析に使えないという事態にもなりかねません。

この記事では、アンケート調査票を設計する上で押さえておくべき基礎知識を先に整理し、そのうえでAIをどう活用できるかを解説します。

1. 数ある研究方法の中で、なぜ「アンケート調査」なのか
2. アンケート調査にもいくつかの手法がある
3. なぜアンケート設計には技術が必要なのか
4. 調査票を作る前に決めておくこと
5. 質問項目を作る上での基本ルール
6. 尺度（スケール）の考え方
7. 調査票の構成・並び順
8. 配布前に必ずやるべきこと（プリテスト）
9. ここでAIをどう活用するか
10. まとめ

1. 数ある研究方法の中で、なぜ「アンケート調査」なのか

研究計画書の記事でも触れた通り、卒論の研究方法にはアンケート調査以外にも、インタビューなどの質的調査、実験、既存データの二次分析など、さまざまな選択肢があります。この記事では、その中でも「アンケート調査」を取り上げます。

理由は大きく2つあります。

一つは、学生の卒論において最も採用されやすい手法だからです。アンケート調査は、比較的短期間で一定数のデータを集めやすく、統計的な分析（回帰分析や因子分析など）と相性が良いため、「〇〇は〇〇に影響を与えるか」という因果・相関関係を検証したい研究と特に親和性が高い手法です。

もう一つは、実施のハードルが比較的低いことです。実験のように特別な設備や統制環境を必要とせず、インタビューのように一人ひとりに時間を取って対面する必要もありません。Googleフォームなどの無料ツールを使えば、大学生でも実施できる範囲で本格的な量的調査が可能です。

もちろん、すべての研究テーマにアンケート調査が向いているわけではありません。当事者の詳しい経験や心理的なプロセスを深く掘り下げたい研究であれば、インタビューなど質的な手法のほうが適している場合もあります。あくまで、「量的なデータをもとに、変数同士の関係性を検証したい」というタイプの研究に向いている手法だという前提を押さえたうえで、以降を読み進めてください。

2. アンケート調査にもいくつかの手法がある

一口に「アンケート調査」と言っても、実施方法によっていくつかの種類があります。それぞれの特徴を知っておくと、自分の研究テーマ・対象に合った実施方法を選びやすくなります。

実施方法	内容	特徴
Web調査法	Googleフォームなどを使い、インターネット上で回答してもらう方法	学生の卒論で最も一般的。コストがほぼかからず、SNSなどで拡散しやすい一方、回答者の属性が偏りやすい（例：友人・SNSのフォロワーに偏る）という弱点がある
集合調査法	講義やゼミの時間などに、対象者を一箇所に集めてその場で回答してもらう方法	回収率が高く、対象者の属性をコントロールしやすい。ただし、対象を集められる場（授業など）へのアクセスが必要
留置調査法	調査票を対象者に渡し、一定期間後に回収する方法	回答者がじっくり考えて回答できる一方、回収の手間がかかり、回収率が下がりやすい
郵送調査法	調査票を郵送し、返送してもらう方法	遠方の対象者にもアプローチできるが、コストと時間がかかり、学生の卒論ではあまり使われない
面接調査法	調査員が対象者に直接質問し、その場で記入・聞き取りを行う方法	回答の精度は高いが、時間・人手がかかるため大規模な調査には不向き

学生の卒論では、コストと実施のしやすさからWeb調査法が採用されることが圧倒的に多いですが、対象を大学の講義やゼミに限定できる場合は、回収率が高く属性の偏りも抑えられる集合調査法も有力な選択肢です。可能であれば、この2つを組み合わせる（基本はWeb調査で、一部の授業で集合調査を行うなど）ことで、対象者の偏りをある程度緩和することもできます。

研究室の教授に協力してもらい、講義の最後などにアンケート調査の協力をお願いする、SNSを利用して、データを集めるなどできるので学生ができる範囲で一番現実的かなと思います。

3. なぜアンケート設計には技術が必要なのか

アンケート調査の最終目的は、研究計画書で立てたリサーチクエスチョン・仮説を検証できるデータを集めることです。しかし、質問の作り方によっては、以下のような問題が起こります。

回答者によって解釈がぶれる曖昧な質問になってしまい、集計しても意味のあるデータにならない
一つの質問に複数の論点が混ざっていて、何に対する回答か分からなくなる
質問の並べ方や聞き方が、回答者の答えを一定方向に誘導してしまう
そもそも分析したい仮説を検証するために必要な項目が抜けている

これらは、集計・分析の段階になって初めて気づくことが多く、そうなってから作り直すのは大きな時間のロスになります。設計段階で基本を押さえておくことが、後々の分析をスムーズにする一番の近道です。

4. 調査票を作る前に決めておくこと

質問項目を考え始める前に、以下の3点を明確にしておく必要があります。

① 何を検証したいのか（仮説との対応）

研究計画書で立てた仮説を見返し、その仮説を検証するために「最低限どんな変数（データ）が必要か」を書き出します。例えば「短尺動画の視聴時間が長いほど、学習時の集中力が低下する」という仮説であれば、少なくとも「動画視聴時間」と「集中力」という2つの変数を測定できる質問が必要です。

② 誰を対象にするか

母集団（例：全国の大学生）と、実際に回答してもらうサンプル（例：自大学の学生200名）を明確にします。対象が曖昧なまま質問を作ると、後で「この結果は誰について言えることなのか」が説明できなくなります。

③ どうやって分析するか

回帰分析をするのか、平均値の比較（t検定など）をするのか、あらかじめ分析方法の見通しを立てておくことが重要です。分析方法によって、必要な質問の形式（数値で答えてもらうのか、選択肢で答えてもらうのか）が変わってくるためです。

5. 質問項目を作る上での基本ルール

ダブルバーレル質問を避ける

一つの質問に2つ以上の論点を含めないようにします。

悪い例：「あなたはSNSを頻繁に利用し、それが楽しいと感じますか？」（利用頻度と満足度という2つの論点が混ざっている）
良い例：「あなたはSNSをどのくらいの頻度で利用しますか？」「SNSの利用は楽しいと感じますか？」と2つに分ける

誘導的な聞き方をしない

質問文に回答者の判断を誘導するような表現を含めないようにします。

悪い例：「多くの学生が悩んでいるSNS依存について、あなたも当てはまると思いますか？」
良い例：「あなたは自分がSNSに依存していると感じることがありますか？」

専門用語・曖昧な言葉を避ける

回答者全員が同じ意味で理解できる言葉を使います。「よく」「たまに」といった副詞だけの選択肢は、人によって解釈の幅が大きいため、可能な限り具体的な頻度（週に◯回など）で聞くほうが望ましい場合もあります。

過去の記憶に頼りすぎる質問を避ける

「1年前と比べてどうですか」のような質問は、回答者の記憶があいまいになりやすく、精度の低いデータになりがちです。

6. 尺度（スケール）の考え方

数値で回答してもらう質問には、いくつかの型があります。研究計画で決めた分析方法に合わせて選びます。

尺度の種類	内容	使える分析の例
名義尺度	性別、学部など、順序に意味のない分類	単純集計、クロス集計
順序尺度	「満足」「やや満足」など、順序はあるが間隔が均等でない分類	ノンパラメトリック検定など
間隔尺度	5段階評価（リッカート尺度）など、間隔が等しいとみなせる数値	平均値の比較、回帰分析、因子分析
比率尺度	年齢、利用時間（分）など、ゼロに意味があり比率が成立する数値	平均値の比較、回帰分析

特に学生の卒論でよく使われるのが「リッカート尺度」と呼ばれる、「1．全くそう思わない〜5．非常にそう思う」のような5段階（または7段階）評価の形式です。これは間隔尺度として扱われることが多く、統計的な分析（因子分析や回帰分析など）と相性が良いため、量的な卒論では頻繁に採用されます。

7. 調査票の構成・並び順

質問の並べ方にも基本のセオリーがあります。

導入部（回答しやすい質問から始める）：いきなり答えにくい質問から始めると回答者の負担が大きくなるため、性別・学年などの基本属性や、答えやすい一般的な質問から始めるのが基本です。
本題（リサーチクエスチョンに関わる質問）：仮説検証に必要な核心的な質問はここに配置します。
フェイスシート（属性情報）：学年、学部、性別など、分析でグループ分けに使う属性情報は、冒頭または最後にまとめて配置します。
調査の目的・倫理的配慮の説明：調査票の冒頭に、この調査が何のために行われるか、回答が匿名で扱われることなどを明記します。これは回答者への配慮であると同時に、卒論の中で「倫理的配慮をしている」ことを示す材料にもなります。

8. 配布前に必ずやるべきこと（プリテスト）

本調査として大人数に配布する前に、必ず数名（友人やゼミの仲間など）に試しに回答してもらう「プリテスト（予備調査）」を行いましょう。

プリテストで確認すべきポイントは以下の通りです。

質問の意味が誤解なく伝わるか
回答にどのくらいの時間がかかるか（長すぎると回答途中で離脱されやすくなります）
選択肢に「その他」や「当てはまるものがない」という抜け漏れがないか
実際に集まった回答が、想定していた分析方法で処理できる形になっているか

このひと手間を省くと、本調査を終えてから「この質問、こう解釈されるとは思わなかった」と気づいて手遅れになるケースが少なくありません。

9. ここでAIをどう活用するか

調査票設計の基本を押さえたところで、AIの出番です。ここでも、AIに「アンケートを作って」とだけ丸投げするのではなく、自分がすでに決めた仮説・変数・対象をもとに、質問文への変換やチェックをAIにさせるという使い方が有効です。

活用①：仮説から必要な変数・質問項目の洗い出しをしてもらう

以下の仮説を検証するためのアンケート調査を作成しようとしています。
この仮説を検証するために測定すべき変数を洗い出し、
それぞれの変数について、どのような質問項目が考えられるかを
提案してください。

# 仮説：
[例：短尺動画の視聴時間が長いほど、学習時の集中力が低下する]

# 対象：
[例：大学生]

# 想定している分析方法：
[例：回帰分析]

活用②：質問文のチェック（ダブルバーレル・誘導質問の検出）

自分で作った質問項目をAIに渡し、この記事で紹介した基本ルールに違反していないかをチェックしてもらいます。

以下は、私が作成したアンケートの質問項目です。
・ダブルバーレル質問になっていないか
・誘導的な表現になっていないか
・曖昧で人によって解釈が分かれる表現がないか
という観点でチェックし、問題があれば具体的な改善案を
提示してください。

# 質問項目一覧：
[作成した質問文をすべて貼り付け]

活用③：尺度（リッカート尺度など）の選択肢文言を整えてもらう

5段階評価などの選択肢の言い回しを、統一感のある自然な日本語に整えてもらう、といった細かい部分でもAIは有効です。

以下の質問項目について、5段階のリッカート尺度
（1．全くそう思わない〜5．非常にそう思う）を用いる場合の、
選択肢の文言を統一した形で作成してください。

# 質問項目：
[質問文を貼り付け]

使う上での注意点

AIが提案した質問項目や変数は、あくまで「たたき台」です。特に、自分の仮説を正確に検証できる項目になっているかどうかは、AIではなく指導教授やゼミでの確認が欠かせません。また、統計的な尺度として広く使われている「既存の尺度（先行研究で使われた尺度）」がある場合は、それをそのまま流用したほうが、他の研究と結果を比較しやすくなり、信頼性も高まります。AIに一から作らせる前に、先行研究の中で使われている尺度がないかを確認する習慣もつけておきましょう。