質的研究のサンプルサイズ：情報力とサチュレーションの比較

最終更新：2026年10月9日（初回公開：2026年7月20日）

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。

主なポイント

• 情報力は、質的サンプルサイズを計画し正当化するためのモデルです。研究目的に関連する情報を各参加者がより多く持つほど、必要な参加者は少なくて済みます。
• その五つの次元は、目的（狭い／広い）、標本の特定性（密／疎）、既存理論（適用／なし）、対話の質（高い／低い）、分析戦略（事例ベース／クロスケース）です。
• 情報力はフィールドワークの前と途中に用いられ、サチュレーションは途中と後に評価されます。良い正当化は、計画には情報力を用い、実際に起きたことをその計画と照らして報告します。
• 実証的なサチュレーション研究は有用な目安を与えます。2022年のシステマティックレビューでは、比較的同質な標本と狭い目的の場合、9〜17件のインタビューで飽和に達したことが示されています（Hennink & Kaiser）。
• サンプルサイズは二番目の問いです。最初の問いは誰を対象とするかです。最大多様性、基準、理論的サンプリングなどの目的的サンプリング戦略は、参加者が研究課題に実際に答えられるかを決めます。
• AIモデレーターによるインタビューは、nに対するモデレーターの時間的上限を取り除きます。そのため、文書化された正当化はむしろ重要になります。

質的研究における情報力とは何か？

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。

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）。

情報力の五つの次元

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。

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。

情報力とサチュレーション：何が違うのか？

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。

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。

数値について実証研究が示すこと

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：

• Hennink & Kaiser (2022)は、飽和の実証的検証23件を系統的にレビューしました。実証データを用いた研究では、9〜17件のインタビューまたは4〜8件のフォーカス・グループで飽和に達しており、多くは比較的同質な集団と狭く定義された目的を持っていました（Social Science & Medicine, vol. 292）。
• Wutich, Beresford & Bernard (2024)は、10種類の質的分析に対するサンプルサイズの指針をレビューし、テーマ飽和（約9件のインタビュー）、意味飽和（約24件）、理論的飽和（20〜30件以上）についてそれぞれ別の目安を示しています（International Journal of Qualitative Methods, vol. 23）。

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。

情報力ワークシート（Qualitatiテンプレート）

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。

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

正当化文の具体例

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：

「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。

質的サンプリング戦略：誰を、そして何件かを決める

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）。

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）。

サンプリングの品質チェックリスト

• 募集を開始する前に、包含・除外基準を書き出している。
• プロトコルと最終報告の両方で、サンプリング戦略を明記している。
• 目標範囲と見直し時点を含む情報力ワークシートを完成させている。
• 研究が群を比較する場合、区分ごとの目標を設定している。
• スクリーナーを、確実に適合する例と明らかに不適合な例で数件試験している。
• 達成した標本を、不足分を含めて目標と照らして報告している。
• 欠落している集団を限界の節で挙げている。

AIモデレーターによるインタビューがサンプルサイズを変える点

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。

• インタビューが安くなっても基準は下がらない。300件の便宜的標本も、やはり便宜的標本です。件数を増やしても選択の誤りは補正されません。
• 対話の質が鍵となる次元になる。AIモデレーターの掘り下げが弱ければ、各記録が持つ情報は少なくなり、より多くの件数が必要になります。拡大する前に数件をパイロットして読んでください。
• 理論的サンプリングには波（ウェーブ）が必要。すべてのインタビューを一度に始めると、初期の分析が次に誰を募集するかを変える機会が失われます。バッチで実施してください。
• スクリーニングが重要な役割を担う。大規模な公募は、不正な回答者や職業的な回答者に触れる機会を増やします。AIインタビューにおける不正な参加者のスクリーニングをご覧ください。

Qualitatiの役割

Qualitati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。

• AIモデレーターによるインタビュー（テキストと音声）は並行して実施できるため、区分ごとの実際の目標を持つ層別デザインや、波による理論的サンプリングを研究予算の中で実行できます。
• Active Listenerモードは、人間のインタビュアーにリアルタイムのプロンプトとセクション管理を提供します。対話の質が情報力を担う、小規模で同質的な標本やIPA型の研究に適しています。
• 会話型調査は、AIによるフォローアップと分岐ロジックを備え、目的的なインタビュー標本に供給するスクリーニング層として機能します。
• 10言語での多言語研究（英語、中国語、フランス語、ノルウェー語、オランダ語、ドイツ語、スペイン語、ポルトガル語、日本語、アラビア語）により、標本母集団を英語話者の外へ広げられます。
• ThemeLensは一度に最大100件の記録を分析し、コードをリサーチクエスチョンに対応づけます。そのため各波の後に、新しいインタビューがなお意味を加えているかを確認できます。自分でコーディングしたい場合は、QDA Workspaceが帰納的・演繹的コーディングを支援します。

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。

限界とトレードオフ

• 情報力は公式ではなく判断の枠組みです。論証を構造化するものであり、サンプルサイズを計算するものではありません。二人の研究者が同じ研究を異なって評価することもあります。
• 誤用されうる。すべての次元を「高い」と評価して、都合のよい小さなnを正当化するのは、よく知られた失敗です。特に対話の質について、各評価の根拠を示してください。
• 実証的な目安は条件付きです。9〜17件という範囲は、同質的な標本と狭い目的の研究に当てはまるものであり、すべての研究に当てはまるわけではありません。
• パラダイムが重要。サチュレーションという言葉は、ある種のデザイン（コードブック型TA、グラウンデッド・セオリー）には合い、別のもの（再帰的TA、IPA）とは相容れません。根拠を手法に合わせてください。
• AIは妥当性を決めません。自動分析は新しいコードが出現しているかを示せますが、標本がリサーチクエスチョンに答えているかどうかは研究者の判断として残ります。
• 人による確認の注意：サンプルサイズの正当化、飽和に関する主張、移転可能性に関する記述は、提出前に、あなたの分野の報告基準（例：COREQ や SRQR）に照らして、資格を持つ研究者がレビューすべきです。

対象読者と、使うべきでない場合

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。

よくある質問

質的研究における情報力とは何ですか？

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。

情報力はサチュレーションより優れていますか？

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。

質的研究では何件のインタビューが必要ですか？

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。

質的研究のサンプルサイズの正当化はどのように書けばよいですか？

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。

質的研究で最も一般的なサンプリング戦略は何ですか？

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。

AIモデレーターによるインタビューは、必要な参加者数を変えますか？

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。

結論

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。

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。

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。」

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).