最終更新: 2026年6月27日
\n\n質的分析において、コードとは特定のデータの断片に付けられる短いラベルです。カテゴリは関連するコードをまとめた、より上位のまとまりです。テーマは、データセット全体に通底する中心的な考え方を捉えた解釈的なパターンです。階層は下から上へ、コード→カテゴリ→テーマと積み上がります。コードはデータの中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——インタビューの書き起こし、自由回答式のアンケート回答、フォーカスグループでの対話——を構造化された洞察へと変換します。この3つの構成要素は、抽象度が高まっていく階層を形成します。それぞれがどこに位置するかを理解することが、ラベルの整った表計算シートと、行動に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捉えた短いラベルです。コーディングによって大量のテキストを、小さく検索可能な単位に分解します。コードには、記述的なもの（「オンボーディングでの摩擦に言及」）、インビボ・コード（参加者自身の言葉、例：「なんだかぎこちなく感じた」）、概念的なもの（「コントロールの喪失」）があります。20件のインタビューからは、統合の前に通常80–100件の生のコードが生まれます。
\n\nカテゴリとは、抽象度で一段上に位置する、関連するコードのまとまりです。「メニューが分かりにくい」「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困難というカテゴリにまとめられるかもしれません。カテゴリは質的内容分析やグラウンデッド・セオリーで最も明示的に扱われ、そこではコードからカテゴリへの移行が名前の付いた工程となっています。Saldaña の用語で言えば、第一サイクルのコードをカテゴリにまとめる作業は、第二サイクルのコーディング（パターン、焦点化、軸足コーディング）の役割です。一方、テンプレート分析では、カテゴリは事前に下書きされ、その後データに照らして修正されます。
\n\nテーマとは、データ全体に通底する中心的な概念や共有された意味を捉えた、解釈的な構成概念です。Braun 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瓦だとすれば、テーマはそれらが多数組み合わさってできた壁や屋根のパネルにあたります。彼らの言葉を借りれば、「SECURITY」はコードになり得るが、「A FALSE SENSE OF SECURITY（偽りの安心感）」はテーマである、ということになります。
\n\n| レベル | 内容 | 抽象度 | 例 | 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」 | ここでは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） | ナビゲーションの困難 | これらのコードには何が共通しているか？ |
| テーマ | 意味の解釈的パターン | 高（概念的） | 「強力だが、歓迎されない感じのするツール」 | それは研究課題にとって何を意味するか？ |
これらの用語は学派によって同じ意味で使われるわけではなく、それが初学者にとって混乱の最大の原因です。
\n実践的なルール：一つの学派を選び、方法の節で用語を定義し、一貫して適用してください。査読者は、どの用語を選んだかよりも、一貫性をはるかに重視します。
\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このテーマは、トピックの言い換えではなく、参加者の発言に根ざした意味についての主張であることに注目してください。それがテストの基準です。
\n\nこの Qualitati のチェックリストを使って、候補が本物のテーマなのか、それとも単なるトピックのまとまりなのかを判断してください。本物のテーマであれば、6項目のうち少なくとも4項目を満たすはずです：
\n候補が1〜2項目しか満たさない場合、それはおそらくカテゴリかトピックの要約です。分析を続けてください。
\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ています：
\n設計の意図は、解釈の主導権を人間が持ち続けることです。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Human-in-the-loop のテーマ分析を、帰納的か演繹的か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注意点は3つあります：
\n人間によるレビューのための方法論上の注記：テーマの展開は解釈的な行為です。判断の過程を記録し、監査証跡を残し、AIをどのように用いたかを報告してください。
\n\nいいえ。カテゴリは、コードが共有する特徴によって関連するコードをまとめたものです。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で、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。省察的テーマ分析では、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。ご自身の方法に基づいて選んでください。
\n\nほとんどの研究では、テーマは3〜6個に落ち着きます。テーマが多すぎる場合は、カテゴリやトピックの要約を誤ってテーマとして示している可能性が高いです。少なすぎる場合は、過度に一般化しているおそれがあります。
\n\nAIは候補となるコードを提案し、それらをクラスタリングし、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、責任を持って決めるべきです。AIは加速のために使い、決定はしないでください。
\n\nコードはデータの断片が何を語っているかにラベルを付けるものであり、テーマはデータセット全体を通じてそのデータが何を意味するかを説明するものです。
\n\nいいえ。トピックとは、人々が語った話題のことです（例：「価格」）。テーマとは、その話題についての共有された意味です（例：「価格設定は、たまにしか使わないユーザーには懲罰的に感じられる」）。トピックの要約は、テーマを誤認する最も一般的な罠です。
\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。階層を正しく捉えれば、分析は説得力を持ち、有用なものになります。逆に曖昧にすると、発見のように装ったトピックの一覧になってしまいます。Qualitati の QDA Workspace や ThemeLens のようなAIツールは、数十件の書き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こそ、今なお人間の判断が力を発揮する場面です。
\n30クレジットの無料枠から、クレジットカード不要で始められます。アカウントを作成して、AIモデレーターによるインタビューまたは会話型アンケートを実施し、ThemeLensに、参加者の引用に根ざしたテーマへとコードを対応づけてもらいましょう。まず料金体系をご覧になることもできます。
\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":"qualitative-sampling-strategies-2026","title":"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","description":"質的インタビュー研究に必要な参加者数は、統計的検出力ではなく情報力で正当化できます。五つの次元、サチュレーションとの違い、査読に通るサンプルサイズの書き方を、正当化文の具体例、一ページのワークシート、比較表とともに解説します現場で使える手順を、順を追って紹介します。ぜひご活用ください。","category":"質的研究手法","date":"2026-07-20","readTime":"読了約12分","author":"Qualitati Research Team"}]}