計算的テキスト分析：トピックモデリング・機械学習・NLP（2026年版ガイド）

執筆：Fengming Liu（UCL）· 監修：Prof. Shubin Yu（HEC Paris） · May 2026 · 更新日: 2026-05-30 · 18 min read

1万件のインタビュー回答、過去3年間のすべての製品レビュー、あるいは10年分の政策文書を読み——それらすべてを貫くパターンを午後のうちに見出せるとしたら？それが計算的テキスト分析の約束です：コンピュータを使って、どんな研究チームも手作業では処理できない規模のテキストの中に構造と意味を見出すのです。

このガイドは、エンジニアではなく研究者のためにこの分野を説明します。計算的テキスト分析とは何か、中核となる自然言語処理の技法、トピックモデリングと機械学習が実際にどう機能するか、大規模言語モデルがどこに位置づけられるか、主要なツール、そして——決定的に——計算の力を、良い質的研究を定義づける解釈的判断とどう組み合わせるかを扱います。分析の手作業の側面については、質的データ分析ガイドをご覧ください。

計算的テキスト分析とは何か？

計算的テキスト分析とは、計算的手法——自然言語処理、統計、機械学習——を用いて大量の非構造的テキストを分析し、パターン・テーマ・感情・関係を抽出することです。それは言葉を、測定・モデル化・可視化できるデータへと変え、手作業で読むには大きすぎるテキストコレクションの研究を可能にします。

それは質的研究と量的研究の交差点に位置します。素材は質的——言語——ですが、手法は計算的で、定量化可能で再現可能な結果を生み出します。テキストマイニングやテキスト分析とも呼ばれ、自然言語処理（NLP）がそのほとんどの背後にある技術的エンジンです。

研究者はいつそれを使うべきか？

計算的手法は特定の状況で輝きます。次のときに手を伸ばしてください：

データセットが手作業でコード化するには大きすぎる——数千の回答、レビュー、文書。
精読の前に、再現可能で体系的な最初のパスが必要なとき。
時間を通じてパターンを追ったり、大きな集団を比較したりしたいとき。
馴染みのないコーパスを探索し、その中に何があるかの地図が必要なとき。

サンプルが小さいとき、問いが微妙な文脈や皮肉にかかっているとき、あるいは人間の精読だけが提供できる深い解釈的ニュアンスが必要なときには、不向きです。多くの場合、最良のデザインは計算を範囲設定と構造化に使い、その後に人間の分析を解釈に使います。

計算的テキスト分析と手作業テキスト分析の比較

次元	計算的分析	手作業分析
スケール	数百万の文書	数十〜数百
スピード	数分〜数時間	数週間〜数か月
一貫性	完全に再現可能	コーダーによって変動
ニュアンスと文脈	限定的；LLMで向上中	深く文脈的
透明性	手法による	追跡可能だが主観的
最適な用途	広さ、パターン、スケール	深さ、意味、解釈

中核となる技法

計算的テキスト分析は単一の手法ではなく、道具箱です。最もよく出会う技法は次のものです。

テキスト前処理

分析の前に、生のテキストは整えられ標準化されます：単語や文に分割し（トークン化）、単語を基本形に戻し（ステミングとレンマ化）、ごく一般的な語を除去します（ストップワード）。良い前処理は、結果がどれだけ良くなるかを静かに決定します。

単語頻度とキーワード抽出

最も単純な分析は単語を数えます。TF-IDF（単語頻度–逆文書頻度）はさらに進み、単語を全体でどれだけ一般的かではなく、ある文書にどれだけ特徴的かによって重み付けします——各テキストを実際に特徴づける語を浮かび上がらせます。

感情分析

テキストを感情的なトーン——肯定的、否定的、中立的、またはより細かい感情——で分類します。データセット全体で感情がどう変わるか、時間を通じてどう移り変わるかを追うのに役立ちますが、皮肉や文脈は依然として困難です。

固有表現認識（NER）

テキスト中に言及される人物・組織・場所・日付などの実体を自動的に検出し分類します——コーパスが誰について何についてのものかをすばやく地図化する方法です。

単語埋め込みと意味的類似性

現代の手法は、似た意味が数学的空間で近くに位置するように、単語と文書を数値のベクトル（埋め込み）として表現します。これにより、語が異なっていても「physician（内科医）」と「doctor（医師）」が関連していることをコンピュータが測定できます——現在のNLPのほとんどの基盤です。

トピックモデリング

文書のコレクションを貫く潜在的なテーマを発見します。研究者が最も尋ねるため、下に独立した節を設けます。

トピックモデリングの説明

トピックモデリングは、大量の文書集合の中で共起する語のクラスター——「トピック」——を、何を探すかを指示することなく自動的に発見する教師なし技法です。各文書はその後、これらのトピックの混合として記述されます。それは帰納的テーマコーディングに最も近い計算的類似物です。

主要なアルゴリズム

LDA（Latent Dirichlet Allocation） ——古典的な確率モデル。各文書がトピックの混合であり、各トピックが語の分布であると仮定し、逆向きに両方を推論します。信頼でき広く使われますが、語を「袋」として扱い、順序や文脈を無視します。
NMF（非負値行列因子分解） ——線形代数のアプローチで、小さめのデータセットでしばしば鮮明なトピックを生み出します。
BERTopic ——トランスフォーマー埋め込みを使う現代的な手法で、文脈を理解し、通常より一貫した人間に読みやすいトピックを生み出します。新しいプロジェクトでますますデフォルトになりつつあります。

トピックはいくつ？モデルの評価

トピックの数はあなたが行う選択であり、それがすべてを形づくります。少なすぎるとトピックがぼやけ合い、多すぎると断片化します。研究者はモデルを定量的に比較するために一貫性スコアを使いますが、決定的なテストは質的です：上位の語と代表的な文書を読む人間の専門家にとって、トピックは意味をなすか？トピックモデルは解釈の出発点であって、決して最終的な答えではありません。

テキストのための機械学習

機械学習はほとんどの高度なテキスト分析の基盤です。鍵となる区別は、ラベル付きの例でモデルを訓練するかどうかです。

	教師あり学習	教師なし学習
入力	ラベル付きの例（あなたがカテゴリーを与える）	ラベルなしのテキスト
目標	新しいテキストを既知のカテゴリーに分類する	隠れた構造を発見する
典型的な用途	テキスト分類、感情、大規模な演繹的コーディング	トピックモデリング、クラスタリング、探索
例	サポートチケットを問題タイプ別に自動タグ付け	自由記述の調査回答の中のテーマ発見

テキスト分類は教師あり側の主力です：数百のコード化された例でモデルを訓練すれば、あなたのコードブックを数百万の新しい文書に適用できます——事実上、演繹的コーディングをスケールさせます。クラスタリングはその教師なしの対応物で、事前定義されたラベルなしに似た文書をグループ化します。

テキスト分析における大規模言語モデル

GPTやClaudeのような大規模言語モデル（LLM）はこの分野を再構築しました。テキストを語の袋として扱う旧来の手法とは異なり、LLMは文脈・ニュアンス・指示を理解します——そのため研究者は、テーマを特定したり、回答をコードブックに照らして分類したり、文書を要約したり、特定の情報を抽出したりするよう、モデルに平易な言葉で頼むだけで済みます。

LLMは、計算的分析と解釈的分析の間の古い境界線をぼかします。それらは計算的なスケールに人間に近いレベルの読解をもたらします——しかし幻覚を起こし、ドリフトし、バイアスを吸収することもあるため、あらゆる出力に人間による検証が必要です。

実務的な帰結は、LLMベースのコーディングが今や多くのタスクで訓練された人間のコーダーに匹敵しつつ、データセット全体を数分で処理することです。落とし穴はいつも通りです：研究者は検証し、抜き取りチェックを行い、結論について責任を持ち続けなければなりません。再現性と透明性のためには、プロンプトとモデルのバージョンを監査証跡の一部として記録することが求められます。

計算的テキスト分析のワークフロー

問いを定義する ——何を学びたいか、どの技法が合うかを決める。
収集して整える ——コーパスを集め、前処理する（トークン化、正規化、ノイズ除去）。
探索する ——頻度、キーワード、最初のトピックモデルを実行し、そこに何があるかを理解する。
モデル化する ——選んだ手法（トピックモデリング、分類、感情、またはLLM分析）を適用する。
検証する ——結果を定量的（一貫性、精度）かつ質的に（専門家は同意するか？）評価する。
解釈する ——代表的な文書を読み、パターンを問いに結びつけ、それが何を意味するかを説明する。
報告する ——知見を可視化とともに提示し、再現性のために手法を文書化する。

ツールとライブラリ

ツール	種類	最適な用途
Python（spaCy、NLTK、gensim、scikit-learn、BERTopic）	プログラミングライブラリ	完全な制御とカスタムパイプライン
R（quanteda、tidytext、stm）	プログラミングライブラリ	統計志向の研究者
MAXQDA / ATLAS.ti	テキストマイニングアドオン付きQDAソフトウェア	手作業コーディングと単語頻度の混在
Voyant Tools	ウェブベース、ノーコード	素早い探索と教育
QualiTaTi	AIネイティブの研究プラットフォーム	プログラミングなしのLLM支援コーディングとテーマ分析

コードベースのツールは最も強力で透明ですが、プログラミングを要します。ノーコードおよびAIネイティブのプラットフォームは、コードを書かない研究者にも計算的手法をアクセス可能にします——LLMベースの分析が主流になるにつれ、ますます重要です。

強みと限界

強み：比類のないスケール、スピード、再現性、そして大きなコーパスの中で人間が見逃すパターンを浮かび上がらせる能力。

限界：計算的手法は文脈・皮肉・文化的ニュアンスを見逃しうる；前処理やモデルの選択が不適切なら結果は誤導しうる；「ゴミを入れればゴミが出る」が強く当てはまる；そしてモデルは訓練データに存在するバイアスを符号化しうる。統計的に妥当なトピックが、自動的に意味のあるものになるわけではありません。

計算と解釈の組み合わせ

最も弁護可能な研究は、計算的分析と質的分析のどちらかを選ぶのではなく——それらを順序立てます。一般的で強力なデザイン：

まず計算で範囲設定 ——トピックモデリングやクラスタリングが巨大なコーパスを地図化し、興味深い素材がどこにあるかを示す。
次に精読で解釈 ——研究者が各クラスターから代表的な文書を読み、文脈の中で意味を理解する。
再び計算でスケール ——コードブックが固まったら、教師あり分類やLLMコーディングがそれをデータセット全体に適用する。

このヒューマン・イン・ザ・ループのループは、計算のスピードと解釈の深さを保ち、まさにAIネイティブのプラットフォームが支えるべく作られたワークフローです。

実例

リモートワークに関する全国調査の5万件の自由記述回答を分析することを想像してください。

整える ——5万件すべての回答を前処理し、ノイズを除去しテキストを標準化する。
探索する ——BERTopicモデルが「ホームオフィスの設備」「孤独」「曖昧になる仕事と生活の境界」を含む十数のトピックを浮かび上がらせる。
解釈する ——各トピックが実際に何を捉えているかを理解するため、トピックごとに代表的な回答を読む。
感情を測定する ——感情分析が「境界」は強く否定的に、「柔軟性」は肯定的に偏ることを示す。
コードブックをスケールする ——5つのコードを定義し、LLMベースの分類を使って5万件すべての回答にタグを付け、精度を抜き取りチェックする。
報告する ——トピックの出現率、感情、例示的な引用を提示し、使用したモデルとプロンプトを文書化する。

要点

計算的テキスト分析は、NLP・統計・機械学習を用いて、手作業の読みでは到達できない規模でテキストの中にパターンを見出す。
トピックモデリング（LDA、NMF、BERTopic）は潜在的なテーマを発見する；教師あり機械学習は演繹的コーディングを数百万の文書にスケールさせる。
大規模言語モデルは、文脈を理解する人間に近い読みを計算的なスケールにもたらす——しかし人間による検証を要する。
結果は前処理とモデルの選択次第でしかなく、統計的に妥当なパターンも依然として人間の解釈を必要とする。
最も強力なデザインは、ヒューマン・イン・ザ・ループのワークフローの中で、広さのための計算と深さのための精読を組み合わせる。

よくある質問

計算的テキスト分析を簡単に言うと何か？

それは、コンピュータを使って大量のテキストを分析すること——共通のトピックを見出し、感情を測定し、人が手作業で読みコード化するにはあまりに時間がかかるパターンを見つけ出すことです。

トピックモデリングとは何か？

トピックモデリングは、文書の集合全体で関連する語のクラスター（「トピック」）を自動的に発見し、各文書をそれらのトピックの混合として記述する教師なし技法です。LDAと、より新しい文脈を理解するBERTopicが最も一般的な手法です。

教師ありと教師なしのテキスト分析の違いは何か？

教師あり手法はラベル付きの例から学んで新しいテキストを既知のカテゴリーに分類します（コードブックのスケールのように）；トピックモデリングやクラスタリングのような教師なし手法は、事前定義されたカテゴリーなしにラベルなしのテキストの中に隠れた構造を見出します。

大規模言語モデルはテキスト分析を行えるか？

はい。LLMはテーマを特定し、テキストをコードブックに照らして分類し、文書を要約し、平易な言葉の指示から情報を抽出でき、旧来の手法に欠ける文脈理解を備えます。幻覚を起こしたりバイアスを吸収したりしうるため、依然として人間による検証を要します。

計算的テキスト分析を行うのにプログラミングの知識は必要か？

もはや必要ありません。PythonとRはコードを書く人に最も多くの制御を提供しますが、Voyantのようなノーコードツールや、QualiTaTiのようなAIネイティブのプラットフォームによって、研究者はプログラミングなしでトピックモデリングやLLM支援コーディングを実行できます。

計算的テキスト分析は質的データ分析とどう違うか？

計算的分析はスケール・自動化・巨大なデータセット全体の再現可能なパターンを重視し、従来の質的データ分析は深さ・文脈・解釈を重視します。両者は補完的であり、ますます併用されています。

計算的テキスト分析は信頼できるか？

再現可能で一貫していますが、信頼性は良い前処理・適切なモデルの選択・人間による検証に依存します。統計的に一貫した結果が自動的に意味のあるものになるわけではないので、専門家の解釈が依然として不可欠です。