Module 4-3 - Section 1: 論文読解の方法論¶

セクション情報¶

項目	内容
モジュール	Module 4-3: 総合演習（論文読解・批判的検討）
前提セクション	なし
想定学習時間	8時間

導入¶

心理学の学習は、教科書や講義資料を通じた体系的知識の獲得から、一次文献（原著論文）の読解と批判的評価へと移行する。原著論文は、研究者がどのような問いを立て、いかなる方法で検討し、何を見出し、どう解釈したかを完全な形で報告するものであり、科学的知見の一次的な記録媒体である。

しかし、論文を「読める」ことと「批判的に評価できる」ことの間には大きな隔たりがある。Module 0-2で学んだ統計的概念（検定、効果量、信頼区間）、Module 2-4で学んだ研究デザインの妥当性と方法論的課題、Module 4-2 Section 1で検討した再現性の危機と改革は、いずれも論文を批判的に読むための道具立てであった。本セクションでは、これらの知識を統合し、学術論文を体系的かつ批判的に読解するための実践的な枠組みを構築する。

具体的には、(1) 学術論文の標準的構造（IMRAD形式）の理解、(2) 批判的読解の6つの評価観点、(3) 統計的結果の読み方（効果量・信頼区間・検定力）、(4) 研究デザインごとの評価ポイントを順に扱う。

学術論文の構造：IMRAD形式¶

IMRAD形式の概要¶

Key Concept: IMRAD形式（IMRAD format） 学術論文の標準的な構成形式。Introduction（序論）、Method（方法）、Results（結果）、And、Discussion（考察）の頭文字に由来する。1970年代以降、生物医学・行理科学分野を中心に国際的な標準となり、現在ではほぼすべての実証的心理学論文がこの形式に従う。ICMJE（International Committee of Medical Journal Editors）の推奨に基づく。

IMRAD形式は、研究の論理的展開を反映した構造である。序論で「なぜこの研究が必要か」を示し、方法で「どのように検討したか」を記述し、結果で「何が得られたか」を報告し、考察で「それは何を意味するか」を論じる。この構造を理解することは、論文読解の出発点となる。

各セクションの機能と読解のポイント¶

graph TD
    subgraph "IMRAD形式の構造と機能"
        T["Title / Abstract<br>論文の概要・主要な知見"]
        I["Introduction<br>研究の背景・理論的枠組み・仮説"]
        M["Method<br>参加者・材料・手続き・分析計画"]
        R["Results<br>統計的分析の結果・効果量"]
        D["Discussion<br>結果の解釈・限界・理論的含意"]
        REF["References<br>引用文献"]
    end
    T --> I --> M --> R --> D --> REF

Title（題名）とAbstract（要旨）

題名は研究の核心を一文で伝えるものであり、独立変数・従属変数・対象集団が明示されていることが多い。Abstract（通常150〜250語）は論文全体の縮約であり、背景、目的、方法、主要な結果、結論を含む。論文を効率的にスクリーニングする際にはAbstractの精読が第一歩となるが、Abstractは結果を選択的に報告する傾向があるため、本文との一致を確認する必要がある。

Introduction（序論）

序論は「漏斗型」の構成をとることが一般的である。広い文脈から始まり、先行研究のレビューを経て、研究の問い（research question）と具体的な仮説（hypothesis）へと絞り込む。読解時に注意すべき点は以下の通りである。

先行研究のレビューは網羅的か、それとも特定の立場に偏っているか
理論的枠組みから仮説への論理的導出は妥当か
仮説は検証可能な形式で明示されているか（方向性と具体的な予測を含むか）

Method（方法）

方法セクションは、他の研究者が同一の研究を再現するために必要な情報を提供する。心理学論文のMethodセクションは通常、以下のサブセクションから構成される。

サブセクション	記載内容	批判的読解の着目点
Participants	参加者の人数、属性、リクルート方法、除外基準	標本サイズの根拠（検定力分析）、WEIRD問題、脱落率
Materials / Measures	使用した測定尺度、実験刺激、装置	尺度の信頼性・妥当性、操作的定義の適切さ
Procedure	実験の手続き、教示内容、条件の割付方法	無作為割付の有無、盲検化、統制条件の適切さ
Design / Analysis	研究デザイン、使用する統計手法	デザインと分析の整合性、事前登録の有無

Key Concept: 操作的定義（operational definition） 理論的構成概念を、具体的な測定手続きや実験操作として定義すること。たとえば「不安」を「状態-特性不安検査（STAI）のState尺度得点」として定義する。操作的定義の妥当性は構成概念妥当性（→ Module 2-4, Section 4 参照）に直結する。

Results（結果）

結果セクションでは、統計的分析の出力が報告される。APA（American Psychological Association）の出版マニュアルに従い、検定統計量、自由度、p値、効果量、信頼区間が記載される。結果の読解については後述のトピックで詳しく扱う。

Discussion（考察）

考察セクションは序論と対をなし、「漏斗を逆さにした」構成をとる。具体的な結果の解釈から始まり、理論的含意、限界（limitations）、今後の研究の方向性へと広げていく。読解時に注意すべき点は以下の通りである。

結果の解釈はデータから支持される範囲内に留まっているか、過剰な一般化をしていないか
代替説明（alternative explanations）が検討されているか
限界の記述は形式的なものではなく、結論への影響が評価されているか

批判的読解の6つの評価観点¶

学術論文の批判的読解とは、内容を鵜呑みにせず、研究の質と結論の信頼性を体系的に評価することである。以下に、6つの評価観点を提示する。これらはModule 2-4で学んだ妥当性の枠組みと、Module 4-2 Section 1で検討した再現性の問題を統合した実践的チェックリストとして機能する。

graph TD
    subgraph "批判的読解の6つの評価観点"
        RQ["1. 研究の問いの明確さ"]
        IV["2. 方法の適切性<br>（内的妥当性）"]
        RI["3. 結果の解釈の妥当性"]
        EV["4. 一般化可能性<br>（外的妥当性）"]
        TI["5. 理論的含意と限界"]
        ET["6. 倫理的考慮"]
    end
    RQ --> IV --> RI --> EV --> TI --> ET
    RQ -.->|"問いがデザインを規定"| IV
    IV -.->|"方法が結果の解釈を制約"| RI
    RI -.->|"解釈が一般化の範囲を規定"| EV

観点1: 研究の問い（Research Question）の明確さ¶

研究の問いは論文の骨格をなす。問いが曖昧であれば、方法の適切性も結果の解釈も評価できない。

評価のチェックポイント: - 研究の問いは明確に定式化されているか - 仮説は先行研究と理論から論理的に導出されているか - 仮説は反証可能（falsifiable）な形式で記述されているか - 探索的研究の場合、その旨が明示されているか（→ Module 2-4, Section 5「事前登録」参照） - 研究の問いは既存知見に対する新規の貢献を明確にしているか

観点2: 方法の適切性（内的妥当性）¶

方法セクションの評価は、研究の問いに対して用いられたデザインと手続きが因果的推論を支えるに十分かを問うものである。（→ Module 2-4, Section 4「研究デザイン」参照）

評価のチェックポイント: - 研究デザインは研究の問いに適合しているか（因果的主張に対して実験デザインが用いられているか） - 無作為割付は適切に実施されているか。実施されていない場合、選択バイアスへの対処はなされているか - 交絡変数は同定され、統制されているか（→ Module 2-4, Section 4「交絡変数の統制法」参照） - 標本サイズは検定力分析に基づいて決定されているか - 測定尺度の信頼性と妥当性の根拠は示されているか - 操作的定義は構成概念を適切に捕捉しているか（構成概念妥当性） - 盲検化（blinding）は実施されているか - 事前登録の有無。事前登録されている場合、分析は事前登録通りに実施されたか

観点3: 結果の解釈の妥当性¶

結果セクションと考察セクションを横断的に評価する観点である。統計的分析の結果から著者が引き出す結論が、データによって正当化される範囲内に収まっているかを検討する。

評価のチェックポイント: - 統計的有意性と実質的重要性（効果量）は区別されているか - 効果量と信頼区間は報告されているか。その大きさは解釈に値するか - 多重比較の問題は適切に対処されているか - 結果の解釈は代替説明を考慮しているか - 相関研究の結果から因果的主張がなされていないか - 事前登録された分析と探索的分析は区別されているか

観点4: 一般化可能性（外的妥当性）¶

研究結果がどの範囲に一般化できるかを問う観点である。（→ Module 2-4, Section 4「外的妥当性と生態学的妥当性」参照）

評価のチェックポイント: - 標本は目標母集団を代表しているか（WEIRD問題への配慮） - 実験条件は日常場面をどの程度反映しているか（生態学的妥当性） - 効果は異なる文化・集団・文脈でも成立することが示されているか（または論じられているか） - 追試研究は存在するか。その結果はどうであったか

観点5: 理論的含意と限界¶

研究が当該分野の理論的枠組みにどのような貢献をなし、どのような限界を有するかを評価する観点である。

評価のチェックポイント: - 結果は既存の理論を支持するか、修正を求めるか、新たな理論を提案するか - 理論的含意は結果から適切に導出されているか（過大解釈はないか） - 限界の記述は結論の信頼性への影響を具体的に評価しているか（形式的な列挙に留まっていないか） - 今後の研究の方向性は具体的かつ実行可能か

観点6: 倫理的考慮¶

研究の実施における倫理的側面を評価する観点である。

評価のチェックポイント: - 倫理審査委員会（IRB/REC）の承認は得られているか - インフォームドコンセントは適切に取得されているか - 参加者のプライバシーと匿名性は保護されているか - 欺瞞（deception）が用いられている場合、その正当性とデブリーフィング（debriefing）は記述されているか - 脆弱な集団（vulnerable populations）が対象の場合、追加的な配慮がなされているか - 利益相反（conflict of interest）の開示はなされているか

統計的結果の読み方：効果量・信頼区間・検定力¶

効果量の種類と解釈¶

Module 0-2 Section 3で効果量の基本概念を学んだ。ここでは、論文読解に必要な実践的知識として、効果量の種類、解釈基準、および文脈依存的な判断の重要性を扱う。

Key Concept: 効果量（effect size） 研究で観察された効果の大きさを標準化して表す指標。p値が「効果があるかないか」の二値的判断しか提供しないのに対し、効果量は「効果がどの程度大きいか」を定量的に示す。統計的有意性とは独立した概念であり、標本サイズの影響を受けにくい。

効果量は大きく2つのファミリーに分類される。

ファミリー	代表的指標	解釈	Cohenの基準（目安）
d族（群間差）	Cohen's d	群間の平均差を標準偏差単位で表す	小: 0.2, 中: 0.5, 大: 0.8
	Hedges' g	Cohen's dの小標本バイアスを補正	同上
r族（関連性）	Pearsonのr	2変数間の線形相関の強さ	小: 0.1, 中: 0.3, 大: 0.5
	η²（イータ二乗）	分散分析における分散の説明率	小: 0.01, 中: 0.06, 大: 0.14
	ω²（オメガ二乗）	η²の母集団推定値（上方バイアスを補正）	同上
	R²	回帰分析における分散の説明率	文脈依存

Key Concept: Cohenの基準（Cohen's benchmarks） Jacob Cohen (1988) が提案した効果量の解釈基準。d = 0.2（小）、0.5（中）、0.8（大）、r = 0.1（小）、0.3（中）、0.5（大）が広く参照される。ただしCohen自身がこれらは暫定的な目安に過ぎないと述べており、領域固有のベンチマーク（当該分野の典型的な効果量）と比較して判断すべきである。

Cohenの基準を機械的に適用することの問題点は、再現性の危機以降に明確に認識されるようになった。Funder & Ozer (2019) は心理学における効果量の現実的な分布を検討し、r = 0.05が「非常に小さい」、r = 0.10が「小さい」、r = 0.20が「中程度」、r = 0.30が「大きい」、r = 0.40以上が「非常に大きい」という修正基準を提案した。再現性の危機以前に報告された大きな効果量の多くは過大推定であった可能性が高く、現実的な心理学的効果は従来の基準より小さい傾向にある。

信頼区間の読み方¶

Key Concept: 信頼区間（confidence interval; CI） 母集団パラメータの推定値の不確実性を示す区間推定。95%信頼区間は「同じ手続きで標本抽出と区間推定を無限回繰り返した場合、構成された区間の95%が真のパラメータ値を含む」ことを意味する。1つの具体的な信頼区間が真のパラメータ値を含む確率が95%であるとは厳密には言えない（頻度主義的解釈）。

論文中の信頼区間を読む際の実践的な指針は以下の通りである。

区間の幅: 幅が狭いほど推定の精度が高い。幅の広い信頼区間は標本サイズの不足や変動の大きさを示唆する
ゼロ（または帰無仮説の値）を含むか: 差の95% CIがゼロを含む場合、p > .05に対応する。ただし、CIの幅とゼロからの距離も考慮すべきである
実質的に意味のある値との関係: 信頼区間の下限が「実質的に無意味な効果量」を超えていれば、効果の存在に対する信頼性が高い
2つの研究の比較: 2つの研究の信頼区間が大きく重なっている場合、効果量の差は小さい可能性が高い。信頼区間の重なりは研究間の整合性の視覚的な手がかりとなる

graph LR
    subgraph "信頼区間の解釈パターン"
        A["CI: [0.3, 0.9]<br>ゼロを含まない<br>→ 効果ありの証拠"]
        B["CI: [-0.1, 0.8]<br>ゼロを含む<br>→ 不確実性が高い"]
        C["CI: [0.01, 0.05]<br>ゼロを含まないが<br>幅が極めて狭い<br>→ 統計的に有意だが<br>効果は極小"]
        D["CI: [-0.5, 2.0]<br>幅が非常に広い<br>→ 推定精度が低い"]
    end

統計的検定力の事後的評価¶

Key Concept: 統計的検定力（statistical power） 対立仮説が真であるとき、帰無仮説を正しく棄却する確率（1 - β）。Module 0-2 Section 3で導入した概念であり、検定力は効果量、標本サイズ、有意水準の3要因によって決定される。Cohen (1988) は検定力0.80を推奨基準としている。（→ Module 4-2, Section 1「統計的検定力の慢性的不足」参照）

論文読解時に検定力を評価する際の注意点がある。「観測された検定力」（observed power / post-hoc power）、すなわち実際に得られた効果量に基づいて事後的に算出された検定力は、p値と一対一に対応するため、追加的な情報を提供しない。p < .05の結果に対する観測された検定力は常にある程度高く、p > .05の結果に対しては常に低くなるという循環的な関係にある（Hoenig & Heisey, 2001）。

論文の検定力を評価する際に有益なのは、以下のアプローチである。

事前の検定力分析の報告の確認: 論文のMethodセクションで標本サイズの根拠として検定力分析が報告されているかを確認する。想定された効果量が妥当であるか（先行研究のメタ分析に基づいているかなど）も評価する
感度分析（sensitivity analysis）: 当該研究の標本サイズと有意水準で検出可能な最小の効果量を算出する。この最小検出可能効果量が理論的に意味のある効果量より大きい場合、研究は重要な効果を見逃している可能性がある
信頼区間の幅による推定精度の評価: 信頼区間が広い場合、推定精度が低く、標本サイズが不十分であった可能性を示唆する

研究デザインごとの評価ポイント¶

研究デザインの種類によって、批判的読解で着目すべき点は異なる。Module 2-4 Section 4で学んだ研究デザインの体系を踏まえ、各デザインの評価ポイントを整理する。

実験研究（無作為化実験）¶

無作為化実験は因果推論の強さが最も高いデザインであるが、実施の質によってその強みが減殺されることがある。

評価のチェックポイント: - 無作為割付の方法は記述されているか（真の乱数、層別化無作為割付など） - 群間のベースライン特性は比較・報告されているか - 盲検化は実施されているか（一重盲検、二重盲検）。心理学実験では完全な二重盲検が困難な場合が多いが、その限界は論じられているか - 統制条件は適切か（待機統制群、積極的統制群、プラセボ統制群の区別） - 操作チェック（manipulation check）は実施されているか - 脱落率と脱落の群間差は報告されているか - ITT分析（intention-to-treat analysis: 割付通りの分析）とper-protocol分析の区別は明示されているか

準実験研究¶

無作為割付が実施されていない準実験では、内的妥当性への脅威に対する対処が特に重要となる。（→ Module 2-4, Section 4「準実験デザイン」参照）

評価のチェックポイント: - 無作為割付が行われなかった理由は合理的か - 選択バイアスへの対処は十分か（マッチング、ANCOVA、傾向スコア法など） - 事前測定は実施されているか - 中断時系列デザインの場合、介入前の時系列データは十分な時点数があるか - 回帰不連続デザインの場合、カットオフの操作（manipulation of the running variable）の可能性は検討されているか - 交絡変数の網羅的な検討がなされているか

相関研究・観察研究¶

相関研究は因果関係を直接的に立証できないデザインであるが、心理学研究の大部分を占める。因果的な言語が不適切に用いられていないかに特に注意する。

評価のチェックポイント: - 因果的な表現（「XがYを引き起こす」「XはYに影響する」）が不適切に使用されていないか。相関研究では「XとYは関連する」「XはYを予測する」が適切な表現である - 第三変数（交絡変数）の検討は十分か - 逆の因果方向の可能性は考慮されているか - 媒介分析（mediation analysis）が横断データで実施されている場合、因果的な結論の限界は認識されているか - 縦断データの場合、時間的順序は因果推論を支持するか

graph TD
    subgraph "相関研究における因果推論の制約"
        XY["XとYの相関が<br>観察された"]
        C1["X → Y<br>Xが原因"]
        C2["Y → X<br>Yが原因"]
        C3["Z → X, Z → Y<br>第三変数Zが原因"]
        C4["X ↔ Y<br>双方向の因果"]
    end
    XY --> C1
    XY --> C2
    XY --> C3
    XY --> C4
    C1 -.->|"相関だけでは区別不可能"| C2
    C2 -.->|"相関だけでは区別不可能"| C3

質的研究¶

質的研究は量的研究とは異なる認識論的立場に立ち、参加者の体験や意味世界を深く理解することを目的とする。評価基準も量的研究とは異なる枠組みが必要である。

Key Concept: 質的研究の信頼性基準（trustworthiness criteria） Lincoln & Guba (1985) が提案した質的研究の評価基準。信頼性（credibility; 内的妥当性に対応）、転用可能性（transferability; 外的妥当性に対応）、依存可能性（dependability; 信頼性に対応）、確証可能性（confirmability; 客観性に対応）の4基準からなる。

評価のチェックポイント: - 方法論的立場（現象学、グラウンデッド・セオリー、テーマ分析、ナラティブ分析など）は明示されているか - データ収集の手続き（インタビューの形式、観察の手続き）は詳述されているか - 分析プロセスの透明性は確保されているか（コーディングの手順、テーマの生成過程） - 研究者の位置性（positionality; 研究者自身の立場・前提がデータの解釈に与える影響）は省察されているか（反省性; reflexivity） - メンバーチェック（参加者による解釈の確認）やトライアンギュレーション（複数のデータソース・方法・研究者による検証）は実施されているか - 豊かな記述（thick description）により、読者が転用可能性を判断できるだけの文脈情報が提供されているか

論文読解の実践的ワークフロー¶

3段階読解法¶

学術論文を効率的かつ体系的に読解するために、以下の3段階のアプローチを推奨する。

graph LR
    subgraph "3段階読解法"
        P1["第1読: 概観<br>（15-20分）<br>Abstract, 序論の最終段落,<br>図表, 考察の冒頭"]
        P2["第2読: 精読<br>（1-2時間）<br>全文を通読,<br>Method/Resultsに注力"]
        P3["第3読: 批判的評価<br>（1-2時間）<br>6観点チェックリスト<br>による体系的評価"]
    end
    P1 -->|"読む価値があるか判断"| P2
    P2 -->|"内容を理解"| P3

第1読: 概観（15〜20分）

論文の全体像を把握し、精読に値するかを判断する段階である。以下の箇所を順に読む。

Title と Abstract
Introduction の最終段落（研究の目的と仮説）
Method の概要（デザインと参加者数）
図表（結果の視覚的要約）
Discussion の冒頭段落（主要な知見の要約）

この段階で「何の問いに対して、どのような方法で、何が見出されたか」を把握する。

第2読: 精読（1〜2時間）

論文全体を通して読み、内容を理解する段階である。特にMethodとResultsセクションに注力する。統計的分析の結果は、効果量と信頼区間に注目して読む。不明な統計手法や概念は、この段階でメモし、必要に応じて調査する。

第3読: 批判的評価（1〜2時間）

前述の6つの評価観点を用いて、論文の質を体系的に評価する段階である。各観点のチェックポイントに沿って、論文の強みと弱みを同定する。

論文評価の統合的判断¶

個々の評価観点のチェックは必要であるが、最終的には研究の全体的な質と結論の信頼性についての統合的な判断が求められる。完璧な研究は存在しないため、「この研究の限界は、結論をどの程度弱めるか」という程度の問題として評価する。

統合的判断において特に重要な問いは以下の通りである。

この研究の結論を受け入れた場合、既存の知識体系はどの程度更新されるべきか
この研究の限界を考慮した場合、結論への信頼度はどの程度か
この研究を基に政策や実践を変更すべきか、それとも追加的な証拠が必要か
一つの研究ではなく、関連するエビデンス全体（メタ分析、体系的レビュー）はどのような結論を示しているか

まとめ¶

学術論文のIMRAD形式（Introduction, Method, Results, Discussion）は研究の論理的展開を反映した構造であり、各セクションの機能と読解のポイントを理解することが論文読解の基盤となる
批判的読解は6つの評価観点（研究の問いの明確さ、方法の適切性、結果の解釈の妥当性、一般化可能性、理論的含意と限界、倫理的考慮）に基づいて体系的に行う
効果量は統計的有意性とは独立した概念であり、Cohenの基準を機械的に適用するのではなく、領域固有のベンチマークと比較して解釈すべきである
信頼区間は推定の不確実性を示し、区間の幅、ゼロとの関係、実質的に意味のある値との関係に着目して読む
事後的検定力（observed power）は循環的で追加情報を提供しないため、事前の検定力分析と感度分析が有用である
研究デザインごとに批判的読解の着目点は異なり、実験研究では無作為割付と統制条件の質、準実験では選択バイアスへの対処、相関研究では因果的言語の不適切な使用、質的研究では信頼性基準への合致がそれぞれ核心的な評価ポイントとなる
次のセクション（Section 2）では、本セクションで構築した批判的読解の枠組みを、Milgramの服従実験やマシュマロ実験などの代表的な論争事例に適用し、実践的な批判的検討を行う

用語集（Glossary）¶

用語	英語表記	定義
IMRAD形式	IMRAD format	学術論文の標準的構成（Introduction, Method, Results, And, Discussion）
操作的定義	operational definition	理論的構成概念を具体的な測定手続きや実験操作として定義すること
効果量	effect size	観察された効果の大きさを標準化して表す指標
Cohenの基準	Cohen's benchmarks	Cohen (1988) が提案した効果量の暫定的な解釈基準
信頼区間	confidence interval	母集団パラメータの推定値の不確実性を示す区間推定
統計的検定力	statistical power	対立仮説が真であるとき帰無仮説を正しく棄却する確率（1 - β）
質的研究の信頼性基準	trustworthiness criteria	Lincoln & Guba (1985) による質的研究の評価基準（信頼性・転用可能性・依存可能性・確証可能性）
反省性	reflexivity	研究者が自身の立場・前提がデータ解釈に与える影響を省察すること
トライアンギュレーション	triangulation	複数のデータソース・方法・研究者を用いて知見を検証する手法
豊かな記述	thick description	行動だけでなく文脈・意味を含めた詳細な記述。Clifford Geertzが人類学から導入
感度分析	sensitivity analysis	分析の前提や仕様を変化させたとき結果がどの程度変化するかを検討する手法
観測された検定力	observed power / post-hoc power	実際に得られた効果量に基づいて事後的に算出された検定力。追加情報を提供しない
ITT分析	intention-to-treat analysis	参加者を最初に割り付けられた群に基づいて分析する方法
メンバーチェック	member checking	研究の解釈を参加者に確認してもらう質的研究の手法

確認問題¶

Q1: IMRAD形式の各セクション（Introduction, Method, Results, Discussion）がそれぞれ果たす機能を説明し、論文の論理的展開においてこれらがどのように連鎖するかを述べよ。

A1: Introductionは研究の背景と理論的枠組みを提示し、先行研究のレビューを通じて研究の問いと仮説を導出する（「なぜこの研究が必要か」）。Methodは研究の問いに答えるために用いた手続きを記述する（「どのように検討したか」）。参加者、材料、手続き、分析計画を含み、研究の再現に必要な情報を提供する。Resultsは統計的分析の結果を報告し（「何が得られたか」）、検定統計量、p値、効果量、信頼区間を含む。Discussionは結果の解釈、理論的含意、限界、今後の方向性を論じる（「それは何を意味するか」）。これらは論理的に連鎖している。Introductionで提起された問いがMethodのデザインを規定し、Methodの手続きがResultsで報告可能な結果の範囲を制約し、Resultsの知見がDiscussionにおける解釈の根拠となる。したがって、いずれかのセクションの不備は後続のセクションの信頼性を連鎖的に低下させる。

Q2: 批判的読解の6つの評価観点のうち「方法の適切性（内的妥当性）」と「結果の解釈の妥当性」について、ある介入研究を読む場面を想定して、それぞれで確認すべき具体的なポイントを3つずつ挙げよ。

A2: 方法の適切性（内的妥当性）について確認すべきポイントは以下の通りである。(1) 無作為割付が適切に実施されているか。無作為割付が行われていない場合、選択バイアスへの対処（マッチング、傾向スコア法、ANCOVAなど）が十分であるか。(2) 標本サイズは検定力分析に基づいて事前に決定されているか。想定された効果量は先行研究のメタ分析など妥当な根拠に基づいているか。(3) 操作チェック（manipulation check）が実施され、独立変数の操作が意図通りに機能したことが確認されているか。結果の解釈の妥当性について確認すべきポイントは以下の通りである。(1) 統計的有意性だけでなく効果量と信頼区間が報告され、効果の実質的な大きさが評価されているか。(2) 著者の解釈が代替説明を考慮しているか。特に、交絡変数や実験的アーティファクトによる代替説明が検討されているか。(3) 事前登録された分析と探索的分析が区別されているか。探索的に見出された結果が確証的な知見として提示されていないか。

Q3: Cohen's d = 0.3 という効果量が報告された研究を読む際、この効果量をどのように解釈すべきか。Cohenの基準を機械的に適用することの問題点に触れつつ説明せよ。

A3: Cohenの基準に従えばd = 0.3は「小さい効果」（d = 0.2が小、d = 0.5が中）と「中程度の効果」の間に位置する。しかし、Cohenの基準を機械的に適用することには問題がある。第一に、Cohen自身がこれらの基準を暫定的な目安と述べており、具体的な研究領域から独立した絶対的基準として使用することを意図していなかった。第二に、再現性の危機以降に明らかになったように、心理学における現実的な効果量は従来考えられていたより小さく、Funder & Ozer (2019) はr = 0.20（おおよそd = 0.40に相当）を「中程度」と再定義した。第三に、効果量の実質的重要性は文脈に依存する。たとえば、低コストで大規模に実施可能な介入のd = 0.3は、社会全体で累積すると大きな影響を持ちうる一方、高コストの個別介入でd = 0.3は費用対効果として不十分かもしれない。したがって、d = 0.3の解釈には、当該分野の典型的な効果量の分布、介入のコストと実行可能性、そして実際的な文脈における意味合いを総合的に考慮する必要がある。

Q4: ある横断的調査研究で「ソーシャルメディアの使用時間が青年の抑うつ症状を増加させる」と結論づけている論文を読んだとする。この結論の妥当性を批判的に検討せよ。

A4: この結論には複数の重大な問題がある。第一に、横断的調査は単一時点での測定であり、時間的順序を確定できないため、因果的な結論（「増加させる」）は支持されない。相関研究では「XとYは関連する」「XはYを予測する」が適切な表現であり、「XがYを引き起こす」は不適切である。第二に、逆の因果方向の可能性がある。すなわち、抑うつ症状が高い青年がソーシャルメディアに多く時間を費やしている可能性を排除できない。第三に、第三変数の問題がある。孤独感、家庭環境、学業成績、睡眠の質など、ソーシャルメディア使用時間と抑うつ症状の双方に影響する交絡変数が統制されていない可能性がある。第四に、ソーシャルメディアの「使用時間」という操作的定義は粗い測定であり、使用の質（受動的閲覧vs能動的交流）、プラットフォームの種類、使用の文脈を区別していない可能性がある。妥当な因果的結論を導くには、縦断研究デザイン（時間的順序の確立）、実験デザイン（使用時間の操作的統制）、あるいは適切な統計的手法（クロスラグパネル分析など）が必要であり、横断データから因果的主張を行うことは方法論的に正当化されない。

Q5: 質的研究の信頼性基準（trustworthiness criteria）を構成する4つの基準を挙げ、それぞれが量的研究のどの概念に対応するかを説明したうえで、質的研究と量的研究で評価の枠組みが異なる理由を述べよ。

A5: Lincoln & Guba (1985) の信頼性基準は以下の4つからなる。(1) 信頼性（credibility）は内的妥当性に対応し、研究の知見が参加者の体験を正確に反映しているかを問う。メンバーチェックやトライアンギュレーションにより確保される。(2) 転用可能性（transferability）は外的妥当性に対応し、知見が他の文脈にも適用可能かを問う。豊かな記述により読者が自らの文脈への適用可能性を判断できるようにする。(3) 依存可能性（dependability）は信頼性（reliability）に対応し、研究プロセスが一貫しており追跡可能かを問う。監査証跡（audit trail）により確保される。(4) 確証可能性（confirmability）は客観性に対応し、知見が研究者の偏見ではなくデータに基づいているかを問う。反省性（reflexivity）の実践が求められる。評価枠組みが異なる理由は、両者の認識論的前提の違いにある。量的研究は実在論的・客観主義的立場に立ち、研究者から独立した客観的真理の存在を前提とするため、再現可能性や統計的検定による客観的評価が重視される。一方、質的研究の多くは構成主義的・解釈学的立場に立ち、現実は社会的に構成されるものであり研究者の解釈から切り離せないと考えるため、透明性、反省性、文脈の詳細な記述を通じた信頼性の確保が求められる。