結論: ディスコース分析は、言語が何を行っているかを研究する質的手法の総称です。言語によってアイデンティティがどう築かれ、問題がどう枠づけられ、権力がどう維持・争われるのかを扱います。テーマ分析が「参加者が何を語ったか」を問うのに対し、ディスコース分析は「どのように、なぜそう語られたのか」を問います。データを集める前に、批判的、ディスコース心理学、フーコー派、Gee流のいずれかの伝統を選んでください。それぞれが異なる研究課題と分析単位を前提としているためです。
質的研究におけるディスコース分析は、テーマ分析では平板に感じられるときに博士課程の学生がよく手にする方法です。彼らのインタビューには、ヘッジ表現、正当化、借用された言い回し、制度的な専門用語があふれており、興味深い発見は話題そのものではなく、人々がそのテーマをどう語るかにあります。本ガイドでは、ディスコース分析とは何かを説明し、その4つの主要な伝統を比較し、段階的な手順と実例を示します。また、AIツールがどこで役立ち、2026年の研究がどこで不十分だとしているのかも整理します。
\n\nディスコース分析は、使用中の言語を研究する質的手法です。話し言葉と書き言葉を社会的行為として扱います。人々は言葉を使って正当化し、非難し、包摂し、排除し、説得し、自己や他者を位置づけます。分析者は語彙の選択、比喩、文法、論証の構造、そしてより広い社会的文脈を検討し、あるディスコースが何を成し遂げ、何を考えたり言ったりできるようにしているのかを説明します。
\nデータには、インタビューの文字起こし、フォーカス・グループでの会話、政策文書、ニュース記事、SNSの投稿、会議の録音などが含まれます。変わるのは問いです。テーマ分析者は「看護師は業務負担について何と言っているか？」と問います。ディスコース分析者は「看護師は業務負担を個人の失敗として、あるいは組織の問題として、どのように構築しており、それぞれの構築は何を可能にしているのか？」と問います。
\n\nGeeがAn Introduction to Discourse Analysisで指摘しているように、唯一の正しいアプローチはありません。異なるアプローチは異なる問いに適しています。以下の表は、社会科学、保健、教育、経営学の研究で最も出会う可能性の高い4つの伝統をまとめたものです。
\n| アプローチ | 中心的な問い | 分析単位 | 典型的なデータ | 適している場合 |
|---|---|---|---|---|
| 批判的ディスコース分析（Fairclough） | 言語は権力と不平等をどのように再生産し、または抵抗するのか？ | テクスト、ディスコース実践、社会的実践（3つの次元） | 政策、メディア、組織文書、インタビュー | 問いがイデオロギー、権力、社会変化に関わる場合 |
| ディスコース心理学（Potter and Wetherell） | このやり取りの中で、人々は話すことによって何をしているのか？ | 発話の順番、説明、解釈的レパートリー | 自然発生的な会話、インタビュー、フォーカス・グループ | 態度、アイデンティティ、説明責任を、話すという行為として研究する場合 |
| フーコー派ディスコース分析 | あるディスコースは、何を知り、何を語り、何者であることを可能にしているのか？ | ディスコース的編成、主体的位置、歴史的変化 | アーカイブ、専門的テクスト、時系列のガイドライン | 「患者」「利用者」などのカテゴリーがどのように成立したかが問いの中心の場合 |
| Geeのアプローチ | 言語は意味、アイデンティティ、関係性、政治をどのように構築するのか？ | 「構築タスク」を通して分析される発話 | インタビュー、授業での会話、日常会話 | 体系的で教えやすい道具立てを求める場合（教育研究で一般的） |
どれを選ぶかは、様式上の好みではなく研究デザインの決定です。Ong, Beaumont, Caine and Slemon（2024）は、2人の看護学修士課程の学生がFairclough と Foucault のどちらを選ぶかを検討した事例を記述し、その決定は実質的な焦点、研究者の方法論的知識、そして研究者の立場性と関心に依存すると結論づけています（International Journal of Qualitative Methods, 2024）。
\n\nこの3つの手法は、同じ文字起こしを使うことができるため混同されがちです。違いは、どのような問いを立てるか、そして何を発見とみなすかにあります。
\n実用的な判定基準として、引用を言い換えても発見が残るなら、おそらくテーマ分析を行っています。言い換えによって発見が失われるなら、つまり正確な言葉遣い、ヘッジ、比喩こそが論点である場合は、ディスコース分析を行っています。人生の語りや出来事の連続性を扱う場合は、代わりにナラティブ分析を検討してください。
\n\n以下の手順は一般的な枠組みです。選んだ伝統に合わせて調整し、方法の節では、その伝統自身の手続きに関する文献を引用してください。
\n病院の管理者への仮想的なインタビュー抜粋を取り上げます。「もちろん、私たちは皆、患者さんにもっと時間を割きたいと思っています。でも現実には、システムがそれを許さないのです。」
\nテーマ分析者はこれを「時間的プレッシャー」とコード化するかもしれません。ディスコース分析者は、これが説明責任をそらすレパートリーを示していると論じ、そのうえでコーパス全体を通して、このレパートリーがいつ現れ、誰が使い、何を封じているのかを検討するでしょう。
\n\n当社（Qualitati）が作成したこのチェックリストは、研究チームにディスコース分析を勧める前に使用しています。5項目以上にチェックを入れられない場合は、別の手法の方が研究によく適しているかもしれません。
\n部分的にはできます。LLMは枠づけや論証構造について最初の読みを下書きできますが、暗示された意味を捉えることは苦手であり、解釈を下すのは人間の分析者でなければなりません。
\n最も直接的な根拠は、イタリア国立研究評議会の計算言語学研究所（CNR-ILC）のFrancesca CristianoとEmiliano Giovannettiによるものです。2026年6月22日にUmanistica Digitaleに掲載されたパイロット研究では、10月7日の攻撃に関するメディア報道について、政治的立場の異なる新聞の意見記事30本を3人の人間の評定者が分析し、その合意を基準（ゴールドスタンダード）として構築しました。LLMも同じ分析の問いに答えました。LLMはマクロ構造およびスーパー構造の特徴ではうまく機能しましたが、婉曲表現の検出などミクロ構造の特徴では苦戦しました。短縮版は5月にLREC 2026のLLMs4SSHワークショップで発表されています。著者らは、LLMは人間の分析者の代替ではなく、解釈の補助として扱うのが最適だと結論づけています。
\nこれは、AIを使ったコーディング全般で見られることと一致します。モデルはテクストが何を論じているかを要約するのは得意ですが、それが何を含意しているかを捉えるのは苦手です。婉曲表現、皮肉、戦略的な曖昧さ、不在の行為者こそ、ディスコース分析者が最も重視する特徴です。また、モデルは引用を捏造したり改変したりすることがあり、正確な言葉遣いに基づく手法にとっては致命的です。LLMによる質的分析での引用の捏造もご覧ください。
\n\n| 作業 | AIに任せるか？ | 理由 |
|---|---|---|
| 文字起こしとコーパスの整理 | はい、ただし抜き取り確認を行う | 機械的な作業。言葉遣いが重要な箇所は音声と照合する |
| 特定の語句、代名詞、比喩の系統のすべての出現箇所を見つける | はい | 大規模な検索と抽出。ヒットした箇所は人間が読む |
| テクスト全体の論証や枠組みを要約する | 最初の下書きとして | マクロレベルの特徴は、2026年の根拠で最も一致が見られた領域です |
| 婉曲表現、皮肉、含意を検出する | いいえ、人間が主導する | ミクロレベルの暗示的な意味は、モデルが苦戦した領域です |
| ディスコースを権力、イデオロギー、歴史と結びつける | いいえ、人間が主導する | これは研究が行う解釈的主張であり、理論とリフレクシビティが必要です |
Qualitatiは、大学や調査会社向けのヨーロッパ発で低コストな質的研究プラットフォームです。ディスコース分析を自動化するものではなく、また自動化できるとうたうべきではないと考えています。精読を取り巻く作業をより速くすることはできます。
\n対象：博士課程の学生、研究室、質的調査を行う会社で、文字起こしと一次コーディングを任せ、解釈に時間を使いたい方です。無料プラン（毎月30クレジット、クレジットカード不要）から始められます。料金をご覧ください。
\n\n方法論に関する注記：上記のAIに関する根拠は、ニュースの意見記事の単一のコーパスに対する一つのパイロット研究によるものです。インタビューデータや他の言語には当てはまらないかもしれません。AIを使ったディスコース研究のデザインは、必ず方法論の指導教員に確認してもらってください。
\n\n人々が正当化、説得、包摂、排除などの行為を行うために言語をどう使うかを研究することであり、その言語使用が特定の文脈におけるアイデンティティ、関係性、権力について何を明らかにするかを扱います。
\nテーマ分析は参加者が語った内容のパターンを特定します。ディスコース分析は、どのように語ったのか、その言葉遣いが何を成し遂げているのかを検討します。引用を言い換えてもテーマの発見はたいてい残りますが、ディスコースの発見は失われます。
\n社会科学で最も一般的な4つは、批判的ディスコース分析（Fairclough）、ディスコース心理学（Potter and Wetherell）、フーコー派ディスコース分析、Geeのアプローチです。会話分析は密接に関連していますが、別個の手法です。
\n決まった件数はありません。ディスコース研究は深さを重視するため、一行ずつ分析される小規模なコーパスが一般的です。規模は問いとデータの豊かさによって正当化してください。質的研究のサンプルサイズと情報量（information power）のガイドもご覧ください。
\n全体的な枠づけについて最初の読みを下書きすることはできます。2026年のパイロット研究では、マクロレベルの特徴については人間の分析者と良好な一致が見られましたが、婉曲表現のような暗示的なミクロレベルの特徴では性能が劣りました。人間による解釈は依然として必要です。
\n\n質的研究におけるディスコース分析は、何が語られたかだけでなく、どのように語られたかに関心を持つ研究者に報いてくれます。問いに合った伝統を選び、コーパスは精読できる規模に保ち、抜粋を示し、AIは解釈そのものではなく、解釈を取り巻く機械的な作業に使ってください。データの収集と整理の準備はできていますか？ 30クレジットで無料で始めるか、QualitatiとNVivoを比較することもできます。
\n\nCristiano, F., & Giovannetti, E. (2026, June 22). Can large language models support critical discourse analysis? A pilot experiment. Umanistica Digitale, 10(24), 47–65. doi.org/10.60923/issn.2532-8816/23143.
\nGiovannetti, E., & Cristiano, F. (2026, May). Exploring the use of large language models in critical discourse analysis: A consensus-based pilot study. LLMs4SSH @ LREC 2026, 18–22. ACL Anthology.
\nOng, Beaumont, Caine & Slemon (2024). Selecting approaches for discourse analysis: Thoughts on nursing research. International Journal of Qualitative Methods, 23. doi.org/10.1177/16094069241299658.
\nGee, J. P. An Introduction to Discourse Analysis: Theory and Method. Routledge.
\n\n最終更新：2026年10月15日。本ガイドは独立した編集上の要約であり、Qualitatiは引用された著者や出版社とは提携していません。
\n","related":[{"slug":"gioia-methodology-qualitative-research-2026","title":"Gioia法とは：データ構造ガイドと具体例","description":"Gioia法を解説します。1次コンセプト、2次テーマ、集約次元の3階層の作り方を、具体例、主な批判、AIにできることとできないこと、投稿前のチェックリストを交えて段階ごとに丁寧に説明します。経営学や情報システムの質的研究者が、データ構造を査読者に示すための、具体例付きの実践ガイドです。","category":"質的データ分析","date":"2026-10-18","readTime":"読了約11分","author":"Qualitati Research Team"},{"slug":"what-is-abductive-analysis-qualitative-research-2026","title":"質的研究におけるアブダクティブ分析とは？ 手順と帰納・演繹との違い","description":"アブダクティブ分析は、既存理論では説明できない予想外のデータから理論を構築する質的研究の手法です。Timmermans and Tavory が示した三つの中核的な動き、帰納・演繹との違い、AIが支援できる範囲と限界を、具体的な手順や注意点とともに研究者の実践に即して解説します。","category":"質的データ分析","date":"2026-10-17","readTime":"読了約10分","author":"Qualitati Research Team"},{"slug":"open-axial-selective-coding-2026","title":"グラウンデッド・セオリーの開放・軸足・選択的コーディング入門","description":"開放コーディングは概念に名前を付け、軸足コーディングはコーディング・パラダイムで概念同士の関係を示し、選択的コーディングは中核カテゴリーを軸に理論へ統合します。具体例、研究者向けの確認用チェックリスト、AIを使う際の注意点を、方法論の章にそのまま使える形で実例とともに解説します。","category":"質的データ分析","date":"2026-09-24","readTime":"読了約11分","author":"Qualitati Research Team"}]}