最終更新：2026年6月27日
\n\n質的分析において、コードは特定のデータ断片に付けられた短いラベルです。カテゴリは関連するコードをより上位のまとまりにまとめたものです。テーマは、データセット全体に通底する中心的な考えをとらえる解釈的なパターンです。階層は下から上へ進みます：コード → カテゴリ → テーマ。コードはデータに何があるかを記述し、テーマはそれが何を意味するかを説明します。
\n\n質的分析は、非構造化されたテキスト（インタビューの文字起こし、自由記述のアンケート回答、フォーカスグループでの会話）を構造化された洞察へと変換します。3つの構成要素は、抽象度が段階的に高まる階層を形成します。それぞれがどの位置にあるかを理解することが、ラベルの整然としたスプレッドシートと、実際に行動へつなげられる発見との違いを生みます。
\n\nコードとは、データの特定の断片の意味をとらえる短いラベルです。コーディングは、大量のテキストを検索可能な小さな単位へと分解する作業です。コードは記述的（「オンボーディングでの煩わしさに言及」）、in vivo（参加者自身の言葉、例：「なんだかぎこちなく感じた」）、概念的（「コントロールの喪失」）のいずれにもなりえます。統合の前に、20件のインタビューから80～100個の生のコードが生まれることは珍しくありません。
\n\nカテゴリとは、抽象度が一段上にある関連コードのまとまりです。「メニューがわかりにくい」「クリックが多すぎる」「設定が見つからなかった」というコードがあれば、それらをナビゲーションの難しさというカテゴリにまとめられます。カテゴリは、質的内容分析とグラウンデッド・セオリーで最も明示的です。そこではコードからカテゴリへの移行が、名前の付いた段階として扱われます。
\n\nBraun and Clarkeによれば、テーマはトピックの要約ではなく、中心的な考えを軸に組織された意味のパターンです。彼らの比喩では、コードが個々のレンガやタイルだとすれば、テーマは多くのコードから組み上がった壁や屋根のパネルです。彼らの言葉を借りれば、「SECURITY」はコードになりえますが、「A FALSE SENSE OF SECURITY（安心感の錯覚）」はテーマです。
\n\n| 段階 | 内容 | 抽象度 | 例 | 答える問い |
|---|---|---|---|---|
| コード | データ断片へのラベル | 低（記述的） | 「エクスポートボタンが見つからなかった」 | ここで何が語られているか？ |
| カテゴリ | 関連するコードのまとまり | 中（組織的） | ナビゲーションの難しさ | これらのコードに共通するものは何か？ |
| テーマ | 意味の解釈的パターン | 高（概念的） | 「ツールは強力だが、近寄りがたい」 | 研究課題にとって何を意味するか？ |
用語は伝統によって同じ意味で使われるわけではなく、これが初学者の混乱の最大の原因です。
\n実践的なルール：ひとつの伝統を選び、方法論のセクションで用語を定義し、一貫して適用してください。査読者が重視するのは、どの語彙を選んだかよりも一貫性です。
\n\n新しい分析ダッシュボードについて、15件のインタビューを実施したとします。
\nテーマは、トピックを言い直したものではなく、参加者の発言に根ざした意味についての主張である点に注目してください。それがテストです。
\n\nこのQualitatiのチェックリストを使って、候補が本当のテーマか、単なるトピックの寄せ集めかを判断してください。本物のテーマは6項目中少なくとも4つを満たすはずです：
\n候補が2つ以下しか満たさない場合は、おそらくカテゴリかトピック要約なので、構築を続けてください。
\n\nQualitatiは、プロダクト、UX、顧客インサイトのチーム向けのAIユーザーリサーチ・プラットフォームです。その分析ツールは、まさにこの階層に対応します：
\n設計の意図は、解釈の主導権を人間に保つことです。AIはコードやクラスターを素早く提案し、どれをテーマにするかは研究者が決めます。検証のワークフローについては人間を介在させたテーマ分析を、帰納的と演繹的コーディングの選択については帰納的コーディングと演繹的コーディングの比較をご覧ください。
\n\n率直に述べておくべき3つの注意点：
\n人間によるレビューのための方法論の注記：テーマの展開は解釈の行為です。判断を記録し、監査証跡を残し、AIをどのように使ったかを報告してください。
\n\nいいえ。カテゴリは関連するコードを共通点でまとめたものであり、テーマはそれらのパターンが研究課題にとって何を意味するかを解釈したものです。カテゴリは組織的なもの、テーマは概念的なものです。
\n\n必ずしもそうではありません。グラウンデッド・セオリーと内容分析ではカテゴリが明示されます。反省的テーマ分析では、正式なカテゴリの段階を経ずにコードから候補テーマへ移ることが多くあります。方法に応じて選んでください。
\n\n多くの研究は3～6個のテーマに落ち着きます。多すぎる場合は、カテゴリやトピック要約を誤ってテーマとして扱っている可能性が高く、少なすぎる場合は一般化しすぎている可能性があります。
\n\nAIは候補となるコードを提案し、それらをクラスター化し、裏付けの引用を伴うテーマの記述案を作成できます。ただし、テーマは解釈的なものなので、最終的なテーマの集合は人間が確認し、洗練させ、責任を持つべきです。AIは加速のために使い、決定はしないでください。
\n\nコードはデータが何を述べているかにラベルを付け、テーマはデータセット全体にわたってそれが何を意味するかを説明します。
\n\nいいえ。トピックは人々が何について話したか（例：「価格」）です。テーマはそれについての共有された意味（例：「価格は、たまにしか使わないユーザーにとって懲罰的に感じられる」）です。トピック要約は、最もよくある誤ったテーマの罠です。
\n\nコードは記述し、カテゴリは整理し、テーマは解釈します。階層を正しく押さえれば、分析は根拠のあるものになり、役に立ちます。曖昧にすると、トピックの一覧が発見として着飾ったものになってしまいます。QualitatiのQDA WorkspaceやThemeLensのようなAIツールは、数十件の文字起こしにわたるコーディングとクラスタリングの機械的な作業を圧縮できます。しかし、コードからテーマへの飛躍は、今なお人間の判断が価値を発揮する場面です。
\n30クレジット無料で開始、クレジットカードは不要です。アカウントを作成し、AIモデレーター付きインタビューまたは会話型アンケートを実施して、ThemeLensにコードをテーマへ、参加者の引用とともに対応づけさせてください。または、まず料金体系をご覧ください。
\n\n","related":[]}