- 質的研究入門（Qualitative Research 101）
完全な基礎：質的研究とは何か、中核となる手法、データの分析方法、そしてAIがこの分野をどう変えつつあるか。
- 計算的テキスト分析
トピックモデリング、機械学習、NLP、そしてLLM支援による手法を用いて、質的テキストを大規模に分析する。
- AIモデレーション・インタビュー
会話型AIがどのようにインタビューを大規模に実施するか、どこで役立つか、そしてAIインタビューガイドの設計方法。
- 生成AI支援による質的研究
生成AIが質的研究のワークフロー全体——インタビュー、文字起こし、コーディング、分析——でどう使われるか、加えて厳密性・倫理・ベストプラクティス。
- 合成参加者とデジタルツイン
AI生成参加者とデジタルツインパネルとは何か、研究のどこで役立つか、そしてどこで実在の人間データを置き換えてはならないか。
- 大規模なアノテーションと演繹的コーディング
複数のLLMを用いて数千行にコードブックを適用する方法、加えてコーダー間信頼性（Krippendorff α、Fleiss κ、Cohen κ）。
- インタビューのための音声分析
インタビュー音声から感情検出・プロソディ・ためらいの分析を用いて、質的知見に声の次元を加える。
- テーマ分析
意味のパターンを見出すためのBraun and Clarkeの6段階フレームワークを、ステップごとに解説。
- フォーカスグループ
フォーカスグループの計画・モデレーション・分析——合成形式やAI支援形式を含む。
- 質的データ分析
文字起こしからコーディング、解釈まで——分析パイプライン全体、主要なアプローチ、ソフトウェア、そしてAI支援。