Skip to content
検索結果に戻る

記述的研究 — 記述的研究デザイン

提唱者
Francis Galton, Karl Pearson (early empirical tradition); formalized in social science by Fred Kerlinger
年
Late 19th century; formalized in social/behavioral sciences ~1960s–1980s
種類
Non-experimental quantitative research design
系統
Survey / observational design

この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む

文字サイズ

何をする手法か?

記述的研究は、特定の時点における定義された母集団の変数特性、頻度、または分布を体系的に記録する非実験的量的デザインである。これは、変数を操作したり因果関係を結論付けたりすることなく、「何であるか」という問い――誰が、何が、いつ、どこで、どれくらい――に答える。社会科学、行動科学、健康科学、教育科学全般で最も広く用いられている研究デザインの一つである。

手法の背後にある直感

国勢調査を考えてみよう。国勢調査は何も操作せず、ただ「誰がここに住んでいるか、彼らの年齢は、彼らは何をしているか?」と尋ねるだけだ。記述的研究は全く同じ精神で機能する。母集団または現象を特定し、代表的な標本を選択し、調査や構造化された観察などの手段を用いて関心のある変数を測定し、次に平均値、頻度、パーセンテージで結果を要約する。目標は、現状の正確で体系的な描写であり、なぜ物事がそのようになっているのかの説明ではない。その描写が存在すれば、将来の分析的研究や実験的研究はその上に構築することができる。

歴史学

母集団の体系的な記述には古代のルーツがあり、ローマの国勢調査からジョン・グラントの1662年のロンドン死亡率請求書分析まで遡る。社会科学では、19世紀後半から20世紀初頭にかけて、社会学、心理学、教育学の研究者が構造化された質問票とサンプリング理論を使用し始めた際に、このデザインは形式化された。フレッド・N・カーリンジャーの影響力のある『Foundations of Behavioral Research』(1973年、1986年)は、このデザインを行動科学における規範的な扱いを与えた。20世紀後半までに、記述調査は公衆衛生疫学、教育研究、および世界中の政策評価の基礎となっていた。

使うべき場面

因果関係の主張が必要なく、母集団における1つ以上の変数の現在の状態、有病率、または分布を文書化することが目標である場合に、記述的研究を使用する。これは、ニーズアセスメント、ベースライン調査、疫学的な有病率調査、市場調査、プログラム評価の状況報告に選択されるデザインである。研究プログラムのどの段階でも適切であるが、現象に関する事前のデータがほとんどない場合に特に価値がある。1つの変数が別の変数に原因をもたらすかどうかをテストすることが目標である場合(実験的または準実験的デザインを使用)、パターンが存在する理由を理解することが目標である場合(説明的または質的研究デザインを使用)、または標本が頻度推定値さえも支持するには小さすぎるか代表的でない場合は、記述的研究を使用しない。

限界と注意点

  • 因果関係を確立できない――記述された変数間の強い関連性でさえ、一方が他方を引き起こすことを意味しない。
  • 横断的なスナップショットは、現象が時間とともに変動する場合、安定した母集団特性を反映しない可能性がある。
  • 自己報告データ(調査)は、回答バイアス、社会的望ましさ効果、および想起エラーの影響を受けやすい。
  • このデザインは深さよりも広がりを生み出す;文書化されたパターンとその背後にあるメカニズムや意味を説明することはできない。

出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。

強み

  • 政策や資源配分に情報を提供する、実用的な「どれくらい」や「どのくらいの割合」という問いに直接答える。
  • 実施が比較的効率的である:標準化された手段と大規模な標本は、現実的な予算とタイムライン内で達成可能である。
  • 将来の測定値や介入と比較できる文書化されたベースラインを提供する。
  • 確率的サンプリングが使用された場合、広範に一般化可能である――結果は、計算可能な誤差の範囲内で対象母集団を表すことができる。
  • 倫理的に単純である:治療は保留されず、どのグループも実験的に操作されない。

応用

  • 特定の疾患、リスク行動、またはワクチン接種状況を持つ母集団の割合を測定する公衆衛生有病率調査。
  • 学校間の生徒の達成度、教師の仕事量、またはリソースの利用可能性を文書化する教育ニーズアセスメント。
  • 介入が設計される前に、従業員の満足度、エンゲージメント、または認識された仕事量をプロファイリングする組織調査。
  • ターゲットオーディエンスの消費者選好、製品認知度、または人口統計学的特性を確立する市場調査。
  • 後続の変化を測定できるように、介入前の主要な結果の状態を捉えるプログラム評価ベースライン研究。
  • 介入のターゲットを特定するためのリスクファクターの人口統計学的サブグループ間の分布を文書化する疫学的研究。

使い方

使い方

1

記述すべき内容、対象者、期間を特定した、焦点を絞った研究課題を定式化する。主要な変数(例:人口統計学的特性、態度、有病率)と対象母集団を特定する。正確に定義された問いは、スコープクリープを防ぎ、サンプリングと測定に関するその後のすべての決定を導く。

2

確率的(ランダム、層化、クラスター)または意図的な戦略を用いて対象母集団から標本を選択する。これは、母集団レベルの一般化が目的か、特定のグループの詳細な記述が目的かによって異なる。標本サイズは、安定した推定値を得るのに十分な大きさでなければならない。選択された統計量(例:サブグループあたりn≧30)の検出力計算または確立された経験則がこの決定を導く。

3

構造化された質問票、評価尺度、体系的な観察プロトコル、またはアーカイブ記録などの標準化された手段を用いてデータを収集する。標準化により、すべての参加者が同じ方法で測定されることが保証され、個々のスコアが直接比較可能になる。完全な展開の前に、明確さと信頼性のために手段をパイロットテストすることで、測定誤差が減少する。

4

頻度、パーセンテージ、平均値、中央値、標準偏差、信頼区間などの記述統計量でデータを分析する。標本が確率的方法で抽出された場合、これらの統計量には誤差の範囲の推定値が伴うことがある。クロス集計表やグラフ表示(棒グラフ、ヒストグラム)は、サブグループ間の分布を伝達する。

5

表や図を用いて、テキストの壁ではなく分布を伝える方法で、研究課題に直接答える形で結果を提示する。特に因果関係を推論できないという限界を明確に述べ、記述的プロファイルが先行する推定値や理論的期待とどのように比較されるかを議論する。結果として生じる分析的研究または実験的研究のための具体的な推奨事項で締めくくる。

よくある落とし穴

  • 記述と説明の混同――記述データで2つの変数が共起していることを報告し、因果関係の物語を暗示することは、一般的で深刻な誤りである;記述的な結果は因果仮説を動機づけるが、それをテストしない。
  • 便宜的標本を使用しながら、確率的標本が使用されたかのように一般化する――自己選択されたオンライン標本からの結果は、適切な注意なしに対象母集団に外挿することはできない。
  • 非回答バイアスの過小評価――標本化された個人のかなりの割合が応答しない場合、回答者は非回答者と体系的に異なる可能性があり、描写を歪める。
  • 明確な研究課題なしに、多くの変数を「念のため」収集する――これは、手段の長さを増加させ、回答者の負担を増やし、どの問いにもうまく答えられない広範囲な報告を生み出す。
  • 平均値のみを報告し、変動性を無視する――平均スコアは、その標準偏差または信頼区間なしではほとんど意味をなさない;中心傾向とともに常に分散を報告する。

よくある質問

記述的研究は常に量的であるか?

いいえ。「記述的」という用語は、量的研究と質的研究の両方で使用される。質的研究では、記述的アプローチ(例:記述的現象学、民族誌における厚い記述)は、経験や設定を物語形式で文書化する。このライブラリカードは、定義された母集団における変数の数値要約を生成する、量的で調査ベースの形式における記述的研究に焦点を当てている。

記述的研究と相関的研究の違いは何ですか?

どちらも非実験的であるが、目的が異なる。記述的研究は、1つ以上の変数の分布を特徴づける(どれくらい、どれくらい、どのくらいの割合)。相関的研究は、2つ以上の変数間の統計的関係を調べることによって一歩進む(Yが増加するにつれてXは増加する傾向があるか?)。記述的研究は平均値と頻度のみを報告するかもしれない;相関的研究はピアソンrやスピアマンrhoなどの係数を報告する。

記述的研究から因果関係を結論付けることはできますか?

いいえ。記述的研究は関連性と分布を文書化するが、交絡因子を制御せず、参加者を条件にランダムに割り当てない。いかなる因果関係の言語(「XはYの原因となる」)も不当であり、論理的誤りである。記述的な結果は、実験的または準実験的デザインでテストされるべき因果仮説を動機づける経験的観察として提示されるべきである。

標本はどれくらいの大きさが必要ですか?

主要な推定値に必要な精度と母集団の変動性による。割合については、一般的に引用される経験則は、大きな母集団において95%信頼度で±5%の誤差の範囲でn=384である。サブグループ比較については、サブグループあたり少なくとも30が推奨されることが多い。便宜的であることに頼るのではなく、データ収集前に正式な検出力または精度分析(例:誤差の範囲)を使用する。

記述的研究分析には一般的にどのようなソフトウェアが使用されますか?

SPSSとRは、社会科学および健康科学において、頻度、平均値、標準偏差、およびクロス集計表の計算に最も一般的に使用される選択肢である。Stataは経済学および疫学で広く使用されている。オンライン調査収集の場合、QualtricsまたはSurveyMonkeyはこれらのプラットフォームに直接エクスポートする。Excelは単純な頻度表には適しているが、大規模調査における加重推定値やサブグループ比較に必要な統計的厳密性を欠いている。

関連する手法

参考文献

  1. Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage.

    ISBN:978-1452226101
    コピーしました。
  2. Kerlinger, F. N. (1986). Foundations of Behavioral Research (3rd ed.). Holt, Rinehart and Winston.

    ISBN:978-0030417498
    コピーしました。