Gioia法とは：データ構造ガイドと具体例

経営学、情報システム、アントレプレナーシップ、組織論における帰納的なインタビュー調査を行っているなら、査読者はおそらく「データ構造」を見せるよう求めるでしょう。その要求の出どころがGioia法で、経営学系の研究において質的な厳密さを示すために最も広く使われている型の一つです。

本ガイドでは、この手法が何であるかを説明し、短い具体例を使って各ステップを順に解説します。採用する前に知っておくべき主な批判や、Gioiaデータ構造の構築に大規模言語モデルを使うことについての最近の研究も取り上げます。最後に、投稿前に使えるチェックリストを掲載します。

主なポイント

• 3つの階層、1つの図。 1次コンセプト（回答者の用語）が2次テーマ（研究者の概念）へつながり、さらに集約次元へと至ります。「データ構造」の図は、この流れを示すものです。
• データ構造は研究の知見そのものではありません。 Gioia、Corley、Hamilton（2013）は、静的なデータ構造を動的なグラウンデッドモデルへの一段階とみなしており、理論的な貢献はそのモデルにあります。
• 回答者は知識を持つ主体として扱われます。 この手法は、研究者が理論化する前に、参加者自身の解釈を重視します。
• テンプレートとしては論争の的です。 Mees-Buss、Welch、Piekkari（2022）は、固定した手順として適用しても解釈上の問題は解決しないと論じ、代わりに解釈学的ヒューリスティクスを提案しています。
• LLMは上位の階層より下位の階層を得意とします。 2025年のAMCIS研究では、推論モデルが妥当な1次コンセプトを生成した一方、テーマと次元の段階では過度に一般化したことが分かりました。

Gioia法とは何か

Gioia法は、帰納的なコンセプト形成とグラウンデッドセオリーの明確化を体系的に行うアプローチです。新しいコンセプトを明らかにする力を損なうことなく、読み手にとって厳密に見えるように設計されています。その特徴的な成果物は、3階層のデータ構造と、それに続く理論的なグラウンデッドモデルです。

基本となる文献は、Gioia、Corley、Hamiltonによる"Seeking Qualitative Rigor in Inductive Research: Notes on the Gioia Methodology"、Organizational Research Methods、vol. 16、no. 1、pp. 15–31（2013）です。この手法は、大学における戦略的変革を扱ったGioiaとChittipeddiの1991年の研究など、以前の研究から発展しました。2023年には、MagnaniとGioiaが、国際ビジネスおよびアントレプレナーシップの研究者向けの応用ガイドをInternational Business Review（vol. 32、no. 2、article 102097）に発表しました。そこでは、データ構造の構築、グラウンデッドモデルの構築、そして発見事項を説得力のある物語として書くという3段階が示されています。

この手法の前提は二つあります。第一に、組織の世界は社会的に構築されているということ。第二に、その構築を担う人々は、自らの思考、意図、行動を説明できる「知識を持つ主体（knowledgeable agents）」であるということです。研究者の仕事は、それらの声を忠実に表現し、そのうえで、回答者自身は使わないような水準で理論化することです。

Gioiaデータ構造の3つの階層

各階層は異なる問いに答えるものであり、これらを混同することが、査読者が図を差し戻す最も一般的な理由です。

階層	言語の主体	答える問い	典型的な形式
1次コンセプト	回答者中心	参加者は、ほぼ自分たちの言葉で何を語っているか？	短い記述的なフレーズ（初期には数が多いことが多い）
2次テーマ	研究者中心	何が起きているかを記述し説明するために、どの概念が役立つか？	理論的に意味のあるラベル（文献から採ったものも、新たに作ったものもある）
集約次元	研究者中心	テーマを束ねると、どのような包括的な考えになるか？	モデルの軸となる少数の高次の次元

Gioiaらは、2次テーマが安定し始めた段階で、データと文献の間を行き来することを述べています。研究者は、現れたテーマが既存理論にすでに名前を持っているか、それとも新しい概念なのかを問います。この往復があるため、この手法は精神としては帰納的でありながら、実践上はアブダクティブな動きを伴うものとして説明されることが多いのです。その論理についての詳細は、アブダクティブ分析のガイドで扱っています。

Gioia分析の進め方：ステップごとに

ここでは、2013年の論文と2023年のガイドがこの手法をどう説明しているかを、従うことのできる順序として示します。これは厳密なレシピではなく、作業の目安として捉えてください。著者たち自身も、これを料理のレシピのように使うことには警告しています。

1. 回答者の声が生きる設計にする

新しいコンセプトがまだ名付けられていない段階でも余地を残すよう、適切に限定された研究課題から始めます。回答者が出来事を自分の言葉で語れるように半構造化インタビューを使い、新しいコンセプトが現れるにつれて調査票を改訂します。調査票の設計については半構造化インタビューのガイドで扱っています。

2. 1次コンセプトをコード化する

回答者の用語に近いままコード化し、早い段階での抽象化は避けます。この段階では、大きくて雑然としたリストになることを想定してください。インビボ・コーディングはここに自然に合います（インビボ・コーディングを参照）。

3. 縮約してまとめる

1次コンセプトの類似点と相違点を探し、扱いやすい数にまとめます。各グループには、回答者にとっても分かりやすい名前やフレーズを付けます。

4. 2次テーマを展開する

どのような概念であれば、そのパターンを記述し説明できるかを問います。ここで文献を取り入れ、既存理論に適切な名前がないテーマに特に注意を払ってください。それらが、あなたの候補となる貢献です。

5. 集約次元を抽出する

意味がある場合は、2次テーマをいくつかの集約次元にまとめます。データ構造の図を描きます。左にコンセプト、中央にテーマ、右に次元を配置します。

6. グラウンデッドモデルを構築する

静的な構造を、コンセプト同士が時間の経過や因果の中でどのように関係するかを示す動的なモデルへ変換します。矢印、段階、フィードバックループを用いてください。このステップがなければ、データ構造は理論ではなく記述にとどまります。

7. 「パワー・クオート」と「プルーフ・クオート」で知見を書く

物語の中では、少数の印象的な引用を使います。より詳しい裏付けとなる証拠は、テーマごとに整理した表にまとめます。そのうえで、各テーマがモデルとどのように結びつくかを読者に示します。

具体例（説明用）

大学の研究者25名を対象に、AIコーディングツールを導入した人々へのインタビュー調査を行ったと想定します。以下の例は階層の論理を示すために作ったもので、公表された研究から取ったものではありません。

1次コンセプト（回答者の用語）	2次テーマ	集約次元
「AIのコードは信頼する前に、必ず読み直す」。「引用が本当に文字起こしにあるか確認する」	検証の儀式	機械への信頼を調整する
「一次パスなら構わないが、テーマ化は任せられない」。「テーマに名前を付けさせることは絶対にしない」	限定的な委任
「指導教員に、誰がコーディングしたのかと聞かれた」。「Reviewer 2がプロンプトを見せるよう求めた」	想定される監査への意識	方法論的な正当性を守る
「メソッドの章に、その点について一段落書いた」。「AIが提案した内容の記録を残した」	人間の役割を記録する

階層化されたグラウンデッドモデルは、たとえば次のような提案をするかもしれません。想定される監査への意識が検証の儀式を促し、それらの儀式が時間とともに限定的な委任の範囲を広げる、と。静的な表では、このようなプロセスについての主張はできません。

独自フレームワーク：Gioiaデータ構造の準備チェックリスト

Qualitatiの研究チームは、本稿で引用した文献をもとに、このチェックリストを作成しました。原稿を査読者や指導教員に送る前にお使いください。各「いいえ」は、修正要求になりやすい項目です。

#	チェック項目	なぜ重要か
1	すべての1次コンセプトが、プルーフ表の少なくとも1つの引用までたどれる	構造が主張ではなく根拠に基づいていることを示す
2	1次コンセプトのラベルが、理論用語ではなく回答者の言葉を使っている	回答者中心と研究者中心の階層を分けて保つ
3	各2次テーマが、本文中で一文により定義されている	コンセプトのまとめ方が一貫しているかを読者が判断できる
4	どのテーマが既存のコンセプトに対応し、どれが新しいかを明示している	理論的な貢献を明確にする
5	集約次元は少数で、明確に区別できる	何も説明しないほど一般的なモデルになることを防ぐ
6	動的なグラウンデッドモデルがデータ構造に続いている	静的な図だけでは貢献にはならない
7	反証的な事例や否定的な事例が報告されている	テンプレートが解釈上の緊張を覆い隠しているという批判に答える
8	AIがコーディングを支援した場合、どこで、どのように使い、出力をどう検証したかを方法の節に書いている	読者が人間の解釈的役割を評価できる

Gioia法に対する批判と限界

Gioia法は厳密さを示す方法としては有効ですが、洞察を保証するものではありません。選ぶ前に論争を理解しておいてください。

• テンプレートか、解釈か。 Mees-Buss、Welch、Piekkariによる"From Templates to Heuristics: How and Why to Move Beyond the Gioia Methodology"（Organizational Research Methods、25(2)、405–429、2022）は、この手法の帰納的な道筋では解釈上の課題に対処できないと論じています。彼らは、規定された手順ではなく、問いかけによる解釈学的ヒューリスティクスを勧めています。
• 同質化。 Gioiaが2022年にJournal of Management Inquiryで企画したキュレーション済みの議論（記録）では、テンプレートの広範な利用が経営学における質的研究の姿を狭めるかどうかについて、研究者たちの立場がまとめられました。Gioia自身は、この手法を公式ではなく柔軟な方向づけとして扱うべきだと論じています。
• 認識論との適合性。 この手法は、回答者を知識を持つ主体とみなす前提に立っています。回答者の語りに反して読む批判的、言説的、あるいは精神分析的な研究とは、相性が悪いかもしれません。別の選択肢としては、談話分析のガイドをご覧ください。
• すべての分野に適するわけではありません。 この手法は経営学のジャーナルでは主流です。健康や教育の研究では、リフレクシブ・テーマティック分析やテンプレート分析の方が査読者に馴染みがあるかもしれません。

人によるレビューの注意：Gioia法が研究に適するかどうかは、あなたの認識論、分野、投稿先のジャーナルによって異なります。選択については、指導教員や共著者と相談してください。

Gioia法、グラウンデッドセオリー、テーマティック分析の比較

基準	Gioia法	グラウンデッドセオリー（Glaser/Strauss/Charmaz）	リフレクシブ・テーマティック分析
主な成果物	3階層のデータ構造と動的なグラウンデッドモデル	中核カテゴリを中心とした実質理論	データについての物語を語るテーマの集合
文献の役割	テーマが安定し始めてから取り入れる	学派によって異なる。古典的な版では取り入れを遅らせる	柔軟。分析の全体を通して理論が情報を与えうる
象徴的な成果物	データ構造の図	理論メモと中核カテゴリ	テーママップ
典型的な分野	経営学、IS、アントレプレナーシップ	社会学、看護学、経営学	心理学、健康、教育

これらのアプローチの背後にあるコーディングの語彙については、開放・軸足・選択的コーディングとテーマ分析とグラウンデッドセオリーの比較をご覧ください。

AIはGioiaデータ構造を構築できるか

部分的にはできます。AIは1次コンセプトの階層で最も役立ち、集約次元の階層では最も信頼性が低いです。

現時点で最も明確な根拠は、Laato、Mäntymäki、Kordyaka、Laatoによる"Automating Qualitative Data Analysis with Chain-of-Thought Reasoning Models: A Study with the Gioia Method"（AMCIS 2025 Proceedings、2025年8月15日公開）から得られます。著者らはDeepSeek R1を用いて、17件の専門家インタビューの文字起こしに対する既発表のGioia分析を再現しようとしました。モデルが返した引用が文字起こしに実在するかは、レーベンシュタイン距離で確認しています。モデルは元の研究に似た1次コンセプトを生成しましたが、一部は意味が弱まっていました。その後、過度な一般化が起き、著者らが不正確で情報価値が低いと判断した2次テーマと集約次元が生成されました。

これは、AIによる質的コーディング全般の研究で見られるパターンとも一致します（AIによる質的コーディングはどこで破綻するかを参照）。実務的な役割分担は次のとおりです。

• AIに任せられること： 1次コードの候補の作成、コンセプトが付与された箇所すべての検索、引用が原文どおりかの確認、プルーフ・クオートの表の作成。
• 研究者が担うこと： 2次テーマの命名、理論的に新しいコンセプトの判断、集約次元の抽出、動的なモデルの構築。

Qualitatiの位置づけ

Qualitatiは、大学や研究会社向けの欧州の質的研究プラットフォームで、データプライバシーとGDPRを中核的な優先事項として設計されています。Gioia型の研究では、ワークフローのうち機械的な部分を支援し、解釈上の判断はあなたに残します。

• データ収集： テキストまたは音声によるAIモデレートのインタビュー（10言語対応）。文字起こしは自動的に保存されます。あるいは、Active Listenerモードを使えば、自分でインタビューを行いながらリアルタイムのプロンプトを受け取れます。
• 1次コーディング： QDA Workspaceは、AI支援の帰納的・演繹的コーディングと手動コーディングに対応し、評定者間信頼性の確認もできます。
• 検討のための暫定的な階層： QDA WorkspaceのThree-Level Codebookレポートは、テーマ→カテゴリ→コードの階層を生成します。これは検討すべき足場として扱い、データ構造そのものとは見なさないでください。ここまでの根拠が示すように、AIが過度に一般化しがちなのはまさにこの上位の階層です。
• 複数の文字起こしにわたる統合： ThemeLensは、最大100件の文字起こしにわたってコードを研究課題に対応づけ、参加者に紐づいた引用を提示します。プルーフ表を組み立てる際に役立ちます。

Qualitatiは、Gioiaのデータ構造の図や、グラウンデッドモデルを代わりに描くことはしませんし、するべきではありません。それらこそが理論的な貢献だからです。

対象となる人と、使うべきでない場合

Gioia法を使うべき場合は、帰納的でインタビューに基づく理論構築を行っており、データ構造を期待する経営学、IS、アントレプレナーシップのジャーナルを狙っているときです。また、透明で教えやすい分析の道筋が必要な博士課程の学生にも向いています。

使うべきでない場合は、研究が演繹的で仮説検証型であるとき、認識論が回答者の語りに反する解釈を要求するとき、目的が理論構築ではなく記述であるとき、あるいは分野の査読者がリフレクシブ・テーマティック分析や古典的なグラウンデッドセオリーを期待しているときです。

FAQ

1次コンセプトと2次テーマの違いは何ですか？

1次コンセプトは回答者自身の言葉に近く、参加者が語っていることを記述します。2次テーマは研究者中心の概念で、理論的に何が起きているかを説明します。そのうえで集約次元が、2次テーマをさらに高い水準でまとめます。

Gioia法はグラウンデッドセオリーと同じですか？

同じではありません。Gioiaらは、この手法をグラウンデッドセオリーを明確に述べるための方法として位置づけていますが、独自の提示の慣習を持っています。特に、3階層のデータ構造と動的なグラウンデッドモデルへの移行が特徴です。また、テーマが安定し始めてから文献を取り入れます。

Gioia分析にはインタビューが何件必要ですか？

この手法は件数を定めていません。他の質的インタビュー研究と同様に、飽和または情報の力（information power）によってサンプルサイズを正当化してください。質的研究のサンプルサイズのガイドもご覧ください。

Gioiaデータ構造の作成にはどのソフトウェアを使えますか？

階層的なコードに対応した任意のQDAツールが使えます。NVivo、ATLAS.ti、MAXQDA、QualitatiのQDA Workspaceなどです。図そのものは通常、作図ツールやスライドツールで描きます。ソフトウェアはコードを整理しますが、抽象化を行うわけではありません。

ChatGPTや他のLLMでGioia分析はできますか？

単独では信頼できません。2025年のAMCIS研究では、推論モデルが妥当な1次コンセプトを生成した一方、不正確で過度に一般化された2次テーマと集約次元を生成しました。下書きや検索にはAIを使い、すべての引用は必ず確認してください。

Gioia法に対する主な批判は何ですか？

Mees-Buss、Welch、Piekkari（2022）などの批判者は、固定したテンプレートとして使うと解釈上の課題は解決されず、質的研究を同質化しうると論じています。彼らは、規定された手順ではなく、解釈学的ヒューリスティクスを提案しています。

おわりに

Gioia法は、帰納的な研究者に、自らの作業を示すための共通言語を与えます。回答者の用語、研究者のテーマ、集約次元、そしてグラウンデッドモデルです。思慮深く使えば、解釈が査読者にとって見えるものになります。批判者とGioia自身が警告するように、機械的に使えば、整った図はできても理論は薄くなります。AIツールはデータ構造の下層を速く作れますが、上位の階層とモデルは研究者の仕事のままです。

次の調査を実施し、1か所でコーディングするには、毎月30クレジット付きの無料プランで始められます。クレジットカードは不要です。大規模な調査については透明な料金体系をご覧いただくか、QualitatiをNVivo、ATLAS.ti、MAXQDAと比較できます。

最終更新：2026-10-18。

執筆：Qualitati Research Team。方法論上の主張は引用元の文献に帰属しています。博士論文や出版物で使う前に、各分野の基準に照らして確認してください。