短答：質的インタビュー研究におけるサンプルサイズは、統計的検出力ではなく情報力（information power）またはサチュレーションによって正当化されます。情報力（Malterud, Siersma & Guassora, 2016）は、標本が持つ関連情報が多いほど必要な参加者は少なくて済むと主張します。情報力は五つの次元で決まります：研究目的、標本の特定性、既存理論の活用、対話の質、分析戦略。
最終更新：2026年10月9日（初回公開：2026年7月20日）
\n\n博士課程の学生は、いずれ指導教員、倫理審査委員会、あるいは査読者（Reviewer 2）から必ずこの問いを受けます。なぜこの人数なのか？「飽和に達するまで」が最も一般的な答えですが、多くの場合もっとも弱い答えでもあります。飽和はデータを集めた後にしか示せないからです。本ガイドでは、情報力を用いて質的インタビュー研究のサンプルサイズを正当化する方法、それがサチュレーションとどう違うか、誰を採用するかを決める質的サンプリング戦略、そして査読に耐えるサンプルサイズの正当化文の書き方を解説します。提案書にそのまま貼り付けられる正当化の例文と、一枚のワークシートも収録しています。
\n\n情報力は、質的インタビュー研究に必要な参加者数を決めるためのモデルです。Kirsti Malterud、Volkert Siersma、Ann Dorrit Guassora が2016年に Qualitative Health Research で提案しました。標本の適切さは、研究目的に関連する情報をどれだけ含んでいるかに依存する、という考え方です。情報力が高いほど参加者は少なくて済み、低いほど多く必要になります。
\nこのモデルは、飽和を既定の規則とみなす考え方への代案として書かれました。数値を出すものではありません。判断を構造化するものです。研究を五つの次元で評価し、暫定的な目標を設定し、インタビューの質が見えてくるにつれて修正します。原論文は、これを判断に代わるものではなく、データ収集の間も続く評価の手引きとして提示しています（Malterud et al., 2016, DOI 10.1177/1049732315617444）。
\n\n各次元は必要なサンプルサイズを増減させます。表はこのモデルを計画の言葉で言い直し、査読者がおそらく問う質問を加えています。
\n| 次元 | 参加者が少なくて済むとき | 参加者が多く必要なとき | 査読者の問い |
|---|---|---|---|
| 目的 | 目的が狭い（一つの経験、一つの決定、一つの役割） | 目的が広い、または多様な文脈にまたがる探索的なもの | 目的は標本の範囲を定められるほど具体的か？ |
| 標本の特定性 | 参加者が現象について密で直接的な経験を持つ | 参加者が現象とゆるくしか結びついていない | なぜこの人々が適切な情報提供者なのか？ |
| 既存理論 | 既存の理論がサンプリングと分析を枠づける | 理論を適用せず、純粋に帰納的な研究 | どの理論を用い、それが質問をどう導くのか？ |
| 対話の質 | インタビューが深く、十分に掘り下げられ、焦点が明確 | インタビューが短い、浅い、または掘り下げが不十分 | インタビューが豊かだったとどう示せるか？ |
| 分析戦略 | 語り（ナラティブ）や少数事例の深い分析 | 多数の参加者にまたがる探索的なクロスケース分析 | 標本は分析手法に適合しているか？ |
第四の次元に注目してください。インタビューの質はサンプルサイズの変数です。浅いインタビューは、より多くの件数が必要になることを意味します。掘り下げのないフォームのような対話や短いチャットの記録が、見えにくい形で高くつくのはこのためです。一件ごとに持つ情報が少ないからです。
\n\nサチュレーションは、新しいデータがなお新しい洞察を生んでいるかを問い、情報力は、標本が目的に対して十分な関連情報を持つかを問います。サチュレーションは分析の途中と後に判断されます。情報力はフィールドワークの前に論じることができるため、提案書、倫理審査申請、事前登録に適しています。多くの優れた方法論の節は両方を用いています。
\n| 基準 | 情報力 | サチュレーション |
|---|---|---|
| 中心的な問い | 標本はこの目的に対して十分な関連情報を持つか？ | 新しいインタビューが、なお新しいコードや意味を加えているか？ |
| 使われる時点 | 計画時に立て、フィールドワーク中に監視 | 分析中に行い、後に確認 |
| 数値を与えるか？ | いいえ：根拠に基づく、修正可能な目標 | いいえ：データに観察される停止点 |
| 適した場面 | 提案書、倫理審査、再帰的・解釈的デザイン | コーディングの信頼性やコードブック型のアプローチ；グラウンデッド・セオリー（理論的飽和として） |
| 主な弱点 | 判断に依存し、都合のよいnを正当化するために使われうる | 評価方法を示さずに主張されることが多い |
この議論は、特にテーマ分析にとって重要です。Braun と Clarke は、再帰的テーマ分析では意味がデータの中に発見されるのではなく解釈を通じて生成されるため、飽和はうまく適合しないと論じています。そのうえで、より首尾一貫した根拠として情報力を挙げています（Braun & Clarke, 2021, Qualitative Research in Sport, Exercise and Health）。再帰的TAを用いるなら、飽和を停止基準として挙げると、認識論的な異議を招きやすくなります。飽和そのものについてより詳しくは、データ飽和とは何かおよびAIモデレーターによるインタビューは何件必要かをご覧ください。
\n\n情報力は数値を与えませんが、査読者は目安を求めることが多いものです。役立つ二つのレビューがあります：
\nこれらは割り当て数ではなく、条件付きの知見として読んでください。両レビューとも、低い数値を同質な標本と狭い目的に結びつけています。これはまさに情報力が高い状態を表します。広く、異質で、理論を持たない研究は、これらの範囲より多くなると想定すべきです。
\n\nこの一ページのワークシートを、提案書、倫理審査申請、または方法論の章で使ってください。各次元を評価し、根拠を一文で書き、そのうえで暫定目標を設定します。判断を査読可能な論証に変えるためのものです。
\n| 次元 | 評価 | 根拠（一文） | nへの影響 |
|---|---|---|---|
| 目的 | 狭い／中程度／広い | 目的と、範囲外のものを記述する | ↓ / – / ↑ |
| 標本の特定性 | 密／混合／疎 | 直接の経験を保証する参加基準を記述する | ↓ / – / ↑ |
| 既存理論 | 適用／部分的／なし | 理論の名前と、それがインタビューガイドをどう形作るかを示す | ↓ / – / ↑ |
| 対話の質 | 高い／不確か／低い | パイロットの証拠：インタビューの長さ、掘り下げの深さ、インタビュアーの経験 | ↓ / – / ↑ |
| 分析戦略 | 事例ベース／混合／クロスケース | 分析手法を挙げる（IPA、再帰的TA、フレームワーク、グラウンデッド・セオリー） | ↓ / – / ↑ |
| 暫定目標 | 単一の数値ではなく範囲を示し、見直しの時点（例：インタビューの最初の三分の一の後）と、拡大の判断基準を記述する |
以下は、マネジメント分野の博士課程一年目の学生が、文献レビューで生成AIを使うかどうかをどう決めるかを扱う、仮想の研究のための例文です：
\n\n「標本サイズは情報力（Malterud et al., 2016）に基づいて決定した。目的は狭く（一つの母集団における一つの決定）、標本は密であり（全参加者が過去6か月に文献レビューで生成AIを使用したか、明示的に使用を拒否していた）、インタビューは技術受容の文献で枠づけた。一方、クロスケース分析の戦略と、対話の質に関する限られたパイロットの証拠は情報力を下げる。したがって暫定目標を14〜20件のインタビューとし、最初の7件の後に情報力を見直し、新しい意思決定の経路がなお現れていれば募集を延長することにした。17件のインタビューを完了した。最後の3件は新しい意思決定の経路を加えなかった。」
この例文が機能する理由は三つあります。五つの次元すべてに触れていること、範囲と見直し時点を示していること、そして実際に起きたことを報告していることです。数値は例示であり、あなたの研究の数値はあなた自身の研究から導く必要があります。
\n\n情報力は、参加者が適切な参加者であることを前提とします。それを担うのがサンプリング戦略です。Oliver Robinson によるインタビュー研究のサンプリングのガイドは、四つのステップの順序を示しています。標本母集団（包含・除外基準）を定義し、サンプルサイズを決め、サンプリング戦略を選び、標本を確保する、という順です（Robinson, 2014, Qualitative Research in Psychology）。
\n| 戦略 | 内容 | 使うとき | 主なリスク |
|---|---|---|---|
| 最大多様性 | 異なる文脈や極端な事例を意図的に広くカバーする | 経験の幅、または差異があっても成り立つパターンが必要なとき | nが小さいと各区分の範囲が薄くなる |
| 同質的 | 厳密に定義された一つの集団に集中する | 一つの役割、経路、状態について深さが必要なとき（IPAでよくある） | 知見はその集団の外には広がらない |
| 基準 | 定められた閾値や出来事を満たす全員を含める | 特定の経験（診断、中途離脱、失敗した導入）を研究するとき | 基準が不適切に測られるおそれがある |
| 理論的 | 生まれつつある分析に基づき反復的に募集する | グラウンデッド・セオリー、概念の展開 | 分析がフィールドワークと並行して進むことが必要 |
| 極端事例／逸脱事例 | 異例の成功や失敗を対象とする | メカニズムが最も明瞭に見える事例を得たいとき | 非典型的な事例が通常の例と誤読される |
| スノーボール | 参加者が他の人を紹介する | 隠れた、または接触しにくい集団 | 紹介の連鎖が社会的に偏る |
| 層別目的的 | 区分ごとに目標を設定し、各区分内では目的的に選ぶ | 定義された集団を比較しなければならないとき | 割り当て枠が適合度の低い参加者で埋まる |
| 便宜的 | 手に入るすべての人 | パイロットと調査票の検証のみ | 系統的な偏り；主張の弱さ |
戦略と情報力は相互に作用します。層別や最大多様性のデザインは区分ごとの標本の特定性を下げるため、合計で大きなnが必要になります。同質的な基準による標本は特定性を高め、より小さいnを支えます。Vasileiou らによるインタビュー研究のレビューでは、公刊論文におけるサンプルサイズの正当化がしばしば欠如しているか乏しいことが分かっており、戦略と情報力の両方の根拠を明示することが際立つ理由がここにあります（Vasileiou et al., 2018, BMC Medical Research Methodology）。
\n\n従来、インタビューの件数はモデレーターの時間によって上限が決まっており、12〜15件という数は部分的には予算上の事情でした。AIモデレーターによるインタビューはそれを変えます。インタビューは時間帯や言語をまたいで並行して実施できます。その方法論的な帰結はしばしば誤解されます。
\nQualitatiは、大学や調査会社向けの、欧州発で手頃な価格の質的研究プラットフォームです。データプライバシーとGDPRを中心的な優先事項としています。サンプルサイズとサンプリングの判断に関して、具体的には次のとおりです。
\n料金はクレジット単位で公開されており、無料プランは毎月30クレジットを含み、クレジットカードは不要です。現在の料金プランは料金ページをご覧ください。
\n\n対象：方法論の章や倫理審査申請を書く博士課程の学生、インタビュー研究を計画する研究室、そして標本をクライアントに対して説明する質的・市場調査会社です。対象外：主張が母集団への統計的一般化に依存する研究。有病率の推定が必要なら、確率標本と調査を用い、結果を説明するためにインタビューを追加してください。
\n\n情報力は、2016年に Malterud、Siersma、Guassora が提案した、質的インタビュー研究に必要な参加者数を決めるためのモデルです。標本が研究目的に関連する情報を多く持つほど、必要な参加者は少なくて済みます。目的、標本の特定性、理論、対話の質、分析戦略の五つの次元で評価されます。
\n\nどちらか一方が普遍的に優れているわけではありません。情報力はフィールドワークの前に論じやすいため、提案書や倫理審査に適しており、再帰的テーマ分析などの解釈的手法にも合います。サチュレーションは、コードブック型やグラウンデッド・セオリーのデザインに有用です。多くの優れた研究は、情報力で計画し、事後にサチュレーションの証拠を報告しています。
\n\n普遍的な数はありません。実証的なレビューでは、同質的な標本と狭い目的の場合に9〜17件で飽和に達したことがわかりましたが、広範で異質な研究ではより多くが必要です。五つの情報力の次元を用いて範囲を設定し、フィールドワークの途中で見直し、その理由を報告してください。
\n\n枠組み（情報力かサチュレーションか）を明示し、五つの次元それぞれを一文の根拠とともに評価し、暫定的な範囲と見直し時点を示し、達成した標本と停止の理由を報告してください。本ガイドの正当化文の例が雛形になります。
\n\n目的的サンプリングです。参加者の経験がリサーチクエスチョンに合致するため、意図的に選ぶ方法です。最大多様性、同質的、基準によるサンプリングが、最もよく使われる変種です。
\n\n変わるのはコストであって、妥当性ではありません。情報力は依然として、目的、標本、理論、対話の質、分析に依存します。AIインタビューが熟練した人間より掘り下げが浅ければ、より多くの件数が必要になるかもしれません。よく掘り下げられるなら、人間のインタビューと同じ論理が当てはまります。
\n\n質的インタビュー研究のサンプルサイズに対する最も強い答えは、数値ではなく論証です。誰が標本に含まれるべきかを定義し、リサーチクエスチョンに合った目的的戦略を選び、情報力の五つの次元を評価し、見直し時点を伴う範囲を設定し、そして何が起きたかを報告してください。AIモデレーターによるインタビューは、nに対するコストの上限を取り除きます。だからこそ、その文書化された正当化が今まで以上に重みを持つのです。
\nインタビュー研究を計画中ですか？30クレジット付きで無料で始める（クレジットカード不要）か、透明性のある料金をご覧ください。QualitatiがAIモデレーターによるインタビュー、フォーカス・グループ、会話型調査、テーマ分析をどう実行するかをご覧いただくか、NVivoとの比較もご覧いただけます。
\n\n画像の代替テキスト案：「情報力ワークシート：五つの次元（目的、標本の特定性、既存理論、対話の質、分析戦略）を評価し、質的インタビューの標本サイズを設定する。」
\n\n外部出典： Malterud, Siersma & Guassora (2016), Sample Size in Qualitative Interview Studies: Guided by Information Power (Qualitative Health Research); Braun & Clarke (2021), To saturate or not to saturate? (Qualitative Research in Sport, Exercise and Health); Hennink & Kaiser (2022), Sample sizes for saturation in qualitative research: a systematic review of empirical tests (Social Science & Medicine); Wutich, Beresford & Bernard (2024), Sample Sizes for 10 Types of Qualitative Data Analysis (International Journal of Qualitative Methods); Vasileiou et al. (2018), Characterising and justifying sample size sufficiency in interview-based studies (BMC Medical Research Methodology); Robinson (2014), Sampling in Interview-Based Qualitative Research (Qualitative Research in Psychology).
\n\n\n\n\n","related":[{"slug":"interpretative-phenomenological-analysis-guide-2026","title":"解釈的現象学的分析（IPA）の7ステップ：2022年版の手順と品質チェック","description":"解釈的現象学的分析（IPA）とは何か。2022年版の用語（PET・GET）による7つの分析ステップ、適切なサンプルサイズ、架空の実例、テーマ分析との違いを整理し、論文提出前に使える品質チェックリストも紹介します。研究者が解釈を自分の手で保つための注意点や、AIを使う場合の線引きも解説します。","category":"質的研究手法","date":"2026-09-29","readTime":"読了約11分","author":"Qualitati Research Team"},{"slug":"what-is-in-vivo-coding-qualitative-research-2026","title":"In Vivo Coding とは：定義・具体例・記述的コーディングとの違い","description":"In vivo coding（インビボ・コーディング）は、参加者の言葉をそのままコードとして使う質的コーディング手法です。定義、2つの具体例、記述的コーディングやプロセス・コーディングとの違い、分析の最初の段階で解釈のずれを防ぐ利点や、AIを使う場合の注意点や、方法論の章での示し方も整理します。","category":"質的研究手法","date":"2026-09-12","readTime":"読了約10分","author":"Qualitati Research Team"},{"slug":"content-analysis-vs-thematic-analysis-2026","title":"内容分析とテーマ分析の違い：2026年ガイド","description":"内容分析は出現頻度を数えてカテゴリー化し、テーマ分析は意味を解釈します。2026年版ガイドでは両者の違い、判断マトリクス、AIを使った分析ワークフローを整理し、研究目的に合う方法の選び方を具体的に解説します。質的研究者と市場調査の実務家に向けた、実践的な指針として役立つ内容です。","category":"質的研究手法","date":"2026-07-19","readTime":"読了約12分","author":"Qualitati Research Team"}]}