前回の記事では、卒論のテーマを「興味」ではなく「環境」から逆算して決める方法を紹介しました。テーマが決まった次に待っているのが、「先行研究の洗い出し」というもう一つの関門です。
「先行研究を調べて」と言われても、何から手をつければいいのか分からない。とりあえずGoogleで検索してみたものの、出てくるのはブログやまとめサイトばかりで、これが「先行研究」と呼んでいいものか判断がつかない。そんな状態で足踏みしている人は多いはずです。
この記事では、AIに頼る前に知っておくべき「先行研究の調べ方の基本」を整理したうえで、AIをどう組み合わせれば効率よく、かつ正確に調べられるかを解説します。
卒業論文のテーマ決めに悩んでいる人は、ほかの記事でテーマ決めについてまとめたので良ければそちらを参照ください。
卒論テーマが1ミリも思い浮かばない人へ：「興味」ではなく「環境」から逆算する決め方
1. なぜ先行研究の洗い出しでつまずくのか
先行研究探しが難しい理由は、大きく2つあります。
一つは、何を検索すればいいか分からないこと。テーマが「大学生のSNS利用と購買行動」だとしても、そのまま検索窓に入れても、学術的に使える論文にはなかなか辿り着けません。検索する言葉（キーワード）の選び方自体に技術が要ります。
もう一つは、出てきた情報が信頼できるかどうか判断できないこと。ブログ記事、企業のコラム、個人のnote、学術論文が、検索結果の中に混在して並びます。これらを同じ重みで扱ってしまうと、卒論の土台がぐらついてしまいます。
この2つは、実はAIが最も苦手とする部分でもあります。だからこそ、AIに丸投げする前に、自分の中に「調べ方の基準」を持っておくことが重要です。
2. AIの前に知っておくべき「調べ方」の基礎知識
キーワードは複数パターン用意する
一つのキーワードだけで検索を終わらせないことが大切です。同じ事象でも、論文によって使われている言葉が違います。
- 日本語だけでなく英語のキーワードも用意する（例：「大学生」→「university students」「undergraduate」）
- 類義語・上位概念・下位概念を洗い出す（例：「SNS」→「ソーシャルメディア」「Instagram」「短尺動画」）
- 研究分野特有の専門用語を使う（一般的な言葉より、論文内で使われる学術的な表現のほうがヒットしやすいことが多い）
「スノーボーリング」で芋づる式に広げる
一つでも関連性の高い論文が見つかったら、その論文の「参考文献リスト」を辿ることで、関連する先行研究を芋づる式に見つけることができます。これを研究の世界では「スノーボーリング（雪玉式検索）」と呼びます。
逆に、その論文が後からどれだけ引用されているか（被引用数）を確認することで、その分野で重要視されている研究や、比較的新しい関連研究を見つけることもできます。
「一次資料」と「二次資料」を区別する
- 一次資料：研究者自身が実施した調査・実験の結果をまとめた論文そのもの
- 二次資料：それらの一次資料を誰かがまとめ直した記事、レビュー、教科書など
卒論で引用の軸にすべきなのは基本的に一次資料です。二次資料は全体像をつかむ入り口としては有効ですが、それだけを根拠にするのは避けましょう。
3. 情報の正確性をどう見極めるか
検索して出てきた情報がすべて「先行研究」として使えるわけではありません。以下の観点でふるいにかけましょう。
| チェック項目 | 見るポイント |
|---|---|
| 査読の有無 | 学術雑誌に掲載されている論文は、第三者の研究者による審査（査読）を経ています。個人ブログや企業サイトの記事にはこの工程がありません |
| 掲載元 | 大学リポジトリ、学会誌、CiNii・J-STAGEなど学術データベースに掲載されているか |
| 発行年 | 分野によっては情報の鮮度が重要です。あまりに古い研究だけに頼ると、現状とズレる可能性があります |
| 著者・所属 | どの大学・研究機関に所属する研究者が書いたものかを確認する |
| 引用数 | その分野でどれだけ他の研究に参照されているか（重要度の目安になります） |
このふるいにかける作業は、最終的には人間の目で判断するしかありません。AIはこの作業を助けてはくれますが、代わりにはなりません。
4. ここでAIをどう活用するか
基礎知識を押さえたうえで、AIの役割を整理すると次のようになります。
- キーワードの洗い出しを手伝ってもらう（類義語、英語表現、専門用語への言い換え）
- 分野の全体像・大まかな対立軸をつかむ（自分がまだ知識のない分野で、どんな論点があるのかのアタリをつける）
- 見つけた論文の要約・整理を手伝ってもらう（英語論文の要点を日本語で把握するなど）
一方で、注意が必要なのは、AI（特にChatGPTのような汎用AI）に「論文を教えて」とそのまま聞くと、実在しない論文名・著者名を作り出してしまうことがあるという点です。これは「ハルシネーション（幻覚）」と呼ばれる現象で、生成AIの構造上どうしても起こり得るものです。
そのため、汎用AIは「分野の地図を描いてもらう」段階で使い、実際に存在する論文を確定させる作業は、次に紹介する専門ツールに任せるという役割分担が安全です。
5. 論文検索に特化したAI・サイトの使い分け
汎用AIの弱点を補うために、論文検索・学術情報に特化したツールが複数存在します。それぞれ得意分野が異なるため、使い分けが重要です。
CiNii（サイニィ）／J-STAGE
国内の学協会誌や大学紀要など、日本語の学術論文を探すならまずここです。無料で使え、大学に所属していれば本文まで閲覧できるケースも多くあります。日本語の先行研究を探す起点として最優先で使うべきツールです。 （CiNii Research ／ J-STAGE ）
Google Scholar（グーグル・スカラー）
国内外を問わず、幅広い分野の論文・学会発表資料を横断的に検索できます。被引用数がひと目で分かるため、その論文がどれだけ影響力を持っているかの目安になります。 Google Scholar
Elicit
論文検索に特化したAIツールで、検索結果が論文のみに絞られる点が特徴です。知りたいことに近い論文を探すのに強く、論文ごとに知りたい情報（結果、対象、限界など）を一覧表として抽出・比較できる</cite>のが強みです。ただし日本語論文のカバレッジは限定的</cite>なため、主に英語文献のレビューに向いています。 Elicit
Consensus
査読済みの論文だけに絞って検索結果を提示するツールで、「この分野では研究者の間でどういう見解が主流なのか」を素早く把握したいときに向いています。文献調査やレビューの効率化を目的とした学生・研究者向けのツール</cite>です。 Consensus
Perplexity（Academic Focus機能）
通常のPerplexityはウェブ全体から情報を集めますが、Academic Focusという設定に切り替えることで、査読論文に検索範囲を絞った検索が可能になります。出典が明示される点が特徴ですが、地域固有の用語には弱く、プロンプトの工夫次第で回答の質が変わる</cite>という限界もあるため、Elicit・Consensusなど他ツールと組み合わせて使うのが望ましいとされています。Perplexity
使い分けの目安
| 目的 | 向いているツール |
|---|---|
| 日本語の論文を探したい | CiNii、J-STAGE |
| 分野全体の主要論文・被引用数を把握したい | Google Scholar |
| 英語論文を比較・要約しながら深掘りしたい | Elicit |
| その分野の学術的な合意・見解を素早く知りたい | Consensus |
| 出典付きでざっくり全体像をつかみたい | Perplexity（Academic Focus） |
※各サービスの料金プランや機能は変更されることがあるため、公開直前に一度リンク先を確認することをおすすめします。
6. 具体的な進め方：ChatGPTで粗く洗い出し→専門ツールで精査
ここまでの内容を踏まえた、実践的な進め方の一例です。
ステップ1：ChatGPT等の汎用AIで「分野の地図」を作る
まだ右も左も分からない分野であれば、まずChatGPTのような汎用AIに、自分の研究テーマについて「どんな論点・対立軸がありそうか」を大まかに聞いてみます。ここで出てくる論文名や著者名は、この段階では存在する保証がないことを前提に、あくまで「検索するときのキーワード候補」を得るために使います。
私は以下の研究テーマで卒業論文を書く予定の大学生です。
# 研究テーマ：
[例：大学生の短尺動画視聴習慣が学習時の集中力に与える影響]
この分野について、学術的にどのような論点・対立軸がありそうか、
またこの分野を調べる際に有効そうな日本語・英語のキーワード案を
それぞれ5つ程度挙げてください。
なお、実在するか確認できない論文名・著者名は挙げず、
一般的にこの分野で議論されている考え方の傾向として説明してください。
ステップ2：CiNii・Google Scholarで実在する論文を確定させる
ステップ1で得たキーワードを使って、CiNiiやGoogle Scholarで実際に検索します。ここで初めて「実在する」先行研究のリストが手に入ります。
ステップ3：Elicit・Consensusで内容を精査・整理する
見つかった論文、あるいはステップ2で拾いきれなかった英語文献については、ElicitやConsensusを使って、要約や論点の比較を行います。特にElicitのデータ抽出機能を使うと、複数の論文の「対象」「手法」「結果」を並べて比較しやすくなります。
ステップ4：スノーボーリングで手薄な部分を補強する
ステップ3で重要度が高いと分かった論文の参考文献リストや被引用論文を辿り、抜け漏れがないかを確認します。
この4ステップを踏むことで、「AIが作った架空の論文」を土台にしてしまうリスクを避けながら、効率的に先行研究を積み上げていくことができます。
7. まとめ
先行研究の洗い出しは、「AIにどう聞くか」の前に、「そもそも学術的な調べ方とはどういうものか」「情報の正確性をどう判断するか」という土台を持っているかどうかで、結果の質が大きく変わります。
AIは、キーワードの言い換えや分野全体の見取り図を作る段階では非常に強力な武器になりますが、実在する論文を確定させ、その質を評価する部分は、CiNiiやGoogle Scholarといった一次情報源、あるいはElicit・Consensusのような論文特化ツールに任せるのが安全です。
汎用AIと専門ツールを役割分担させながら使うことが、正確でスピーディな先行研究レビューへの近道です。
先行研究を調べることは卒業論文を調べていく上でとても重要なステップだと思います。先行研究の信憑性は、完成度にも大きく影響し、具体的な内容の制定にも大きく役立つものだと思います。少しでも参考になれば幸いです。
コメント