目次
第1章：はじめに
本章の目的
本章では、ナラティブ分析という手法を初めて触れる方にも分かりやすく紹介します。まず概念を簡潔に説明し、本記事全体の目的と読み方を示します。専門用語は最小限にし、具体例で補足します。
ナラティブ分析とは
ナラティブ分析は、人が語る話（ナラティブ）に着目して意味や構造を読み解く方法です。たとえば患者さんが病気の経過を話す場面や、顧客が商品について語る体験談を分析します。話し手の視点や出来事のつながり、価値観を丁寧に追います。
本記事の目的と対象読者
目的は理論だけでなく、実践で使える手順や応用例までを分かりやすく伝えることです。研究者、現場での実務者、学生、あるいは人の語りを深く理解したい方に向けています。
記事の構成と読み方のコツ
以降は基礎理論、具体的手法、応用事例、ナラティブレビューとの違い、メリット・課題、実践のポイントと最新動向の順に説明します。初めての方は第2章で基礎を押さえ、その後で事例や実践を読むと理解が進みます。具体的な分析の場面を想像しながら読むと役立ちます。
読む際の注意点
ナラティブ分析は定量的な結果をそのまま示す手法ではありません。解釈の余地があるため、複数の視点で検討することが重要です。本記事では解釈のヒントやチェックポイントも紹介していきます。
ナラティブ分析の基礎と理論的背景
定義と目的
ナラティブ分析は、人が語る「物語」を手がかりに経験の意味を探る質的な方法です。出来事の順序や語り方、語り手の意図に注目して、どのように意味が構成されているかを明らかにします。個人の主観や文脈を重視する点が特徴です。
歴史的背景
1980年代にジェローム・ブルーナーやセオドア・サーヴィンらが理論を整え、人は経験を物語で整理する存在だと示しました。彼らは、記述や解釈を通して個人の世界観や社会的関係が浮かび上がると論じています。
理論的前提
人は出来事をただ記録するのではなく、出来事に意味を与えて語ります。語りには時間の並べ替え、強調、省略があり、これらを読み解くことで内面や社会的関係が見えてきます。
主要な概念（簡潔に）
- プロット：出来事の因果や流れ。例：失敗から学ぶ過程をどう語るか。
- 語り手の視点：誰が語るかで意味が変わる。
- 文脈：文化や状況が語りに影響する。
- 再構成：語りを通して時間や出来事が組み替えられること。
定量分析との違い
定量は数値や一般化を重視します。ナラティブ分析は一つ一つの語りの独自性や深い意味づけに焦点を当てます。短い物語の違いが重要になる場面で特に有効です。
具体例（イメージしやすく）
医療現場では患者が病状をどう語るかで治療方針が変わることがあります。教育では生徒の学びの語りから動機や障壁が見えるようになります。
倫理と注意点
語りは個人のプライバシーやナラティブの改変に敏感です。聞き手は尊重を忘れず、解釈の根拠を明確にする必要があります。
ナラティブ分析の主な手法とプロセス
データ収集（語りを引き出す）
インタビューや対話で出来事を時系列に語ってもらいます。問いは開かれた質問（「そのとき何が起きましたか？」）を中心にし、具体的な場面や感情を尋ねます。複数回の面接や日誌を用いて語りの変化を追うと深まります。
構造分析と意味抽出
語りをエピソードや転換点に分け、出来事のつながりや矛盾を探します。起点・出来事・結果の流れを明確にし、語り手が何を重視しているか（価値や信念）を抽出します。例えば、病気の前後で生活の優先順位がどう変わったかを追うと分かりやすいです。
テーマティック分析とAIの活用
手作業でテーマを抽出する方法と、BERTやGPTなどの自然言語処理を併用する方法があります。AIは類似表現のグループ化や感情分析を助けますが、人の解釈で検証してください。
ICFタグ付けと分類
語りの各部分をICF（国際生活機能分類）に対応させて、身体機能・活動・参加の視点で整理します。例：歩行困難の記述を「移動」に紐づけることで支援目標が明確になります。
オルタナティブストーリーの構築
得られた分析から、強みや資源に基づく別の語りを作ります。新しい視点を提示することで、介入や支援計画のアイデアを広げます。
実務的なプロセスの流れ（簡潔）
1) データ収集（面接・日誌）
2) 文字化・整理
3) 構造分析（エピソード分割）
4) 意味抽出・テーマ化（手作業＋AI）
5) ICFタグ付け・分類
6) オルタナティブストーリー作成と活用
各段階で記録と検証を行い、語り手の視点を尊重して進めてください。
ナラティブ分析の応用分野・活用事例
医療・臨床心理
患者の語りを通して病気や苦痛の意味を探ります。医療現場では「ナラティブ・ベースト・メディシン（物語志向の医療）」として用いられ、患者の生活史や治療経験を整理して治療方針や支援につなげます。具体例：慢性痛の患者が自分の変化を語ることで、薬以外の対処法が見つかることがあります。
ビジネス・マーケティング
顧客レビューや利用者の体験談を分析して課題抽出やサービス改善に役立てます。口コミを時系列で追い、解約や満足度の原因を探ると改善優先度を決めやすくなります。具体例：飲食店のレビューを分解して提供時間や接客の改善点を明確にします。
教育
学習者の振り返りやポートフォリオを分析して学習過程を可視化します。教師は個別支援やカリキュラム修正に活用できます。具体例：留学経験を語る作文から支援が必要な領域を見つけます。
法曹・司法
証言や被害者の語りを整理して事実関係や心理的影響を把握します。ナラティブは事例理解を深め、適切な措置や支援につながります。
AI・NLP分野
物語を数値化して感情やテーマを定量化する研究が進んでいます。感情分析やトピックモデルを用いて大量の語りから傾向を抽出し、現場の意思決定を支援します。具体例：カスタマーレビューを自動で分類して改善項目を提示します。
社会調査・公共政策
コミュニティの物語を集めることで政策の影響やニーズを深く理解します。参加者の視点を反映した施策立案に有効です。
実践上の注意点
文脈尊重と倫理配慮が重要です。語りは個人的かつ多層的なので、一面的に解釈せず複数手法で裏付けを取りましょう。
ナラティブレビューとの違いと関連
ナラティブレビューとは
ナラティブレビューは、既存の文献や報告を著者の視点で整理・解釈して全体像を示す方法です。系統的検索や統計的合成を必須とせず、テーマに沿って重要な知見や論点を読みやすくまとめます。
ナラティブ分析との主な違い
- 対象データ：レビューは文献や報告書が中心で、分析は語り（インタビューや日記など）が中心です。
- 目的：レビューは知見の統合と解説を目的とします。分析は語りの構造や意味を明らかにします。
- 著者の役割：レビューでは筆者の解釈が全体を導きます。分析では資料に基づく逐語的な検討や解釈作業が重視されます。
共通点
どちらも「物語の構造」や「意味づけ」に注目し、文脈を重視します。読者に分かりやすく伝えるために、語りの要素を整理する点で親和性があります。
使い分けの目安
- 文献を整理して全体像を示したいときはナラティブレビューを選びます。
- 個人の経験や語りの深い意味を探りたいときはナラティブ分析が適します。
具体例
- 医療分野で研究傾向を概観するにはレビューが有効です。
- 患者の回復過程や人生史の意味を解くには分析を用います。
どちらを用いるかは目的とデータの種類で決めてください。
ナラティブ分析のメリットと課題
メリット
ナラティブ分析は個人の経験や意味づけを深く読み取れます。出来事の前後関係や転換点、隠れた動機に光を当てられます。たとえば医療では患者の治療選択の背景解明に、教育では学習者の成長過程の理解に役立ちます。組織開発では従業員の価値観や変化の物語を可視化できます。
課題
主観的な素材を扱うため客観性や再現性の確保が難しいです。分析者の視点や仮説が結果に影響しやすく、サンプルの偏りや記述の曖昧さも問題になります。倫理面では匿名化や同意管理が重要です。
実務的な対処法
- トライアンギュレーション（複数資料や手法の併用）で信頼性を高める
- 分析者の省察（リフレクシビティ）や記録を残す
- コーディングの相互検討やパイロット分析で一貫性を保つ
- 参加者検証（メンバーチェック）で解釈を確認する
AIや自然言語処理はコーディング補助やパターン抽出で効率化しますが、アルゴリズムの偏りに注意し、人の解釈を補完する形で使うと安全です。
実践のポイントと最新動向
はじめに
実践では、設計とデータの扱いが結果の質を左右します。ここでは具体的な手順と、AI導入に伴う注意点をわかりやすく整理します。
インタビュー設計と質問作成
・目的を明確にして、聞くべきテーマを絞ります。例えば「日常の習慣」なら具体的な場面を尋ねます。
・オープンな質問（例：「そのときどう感じましたか？」）を中心にし、必要に応じて深掘り質問を用います。
・誘導を避け、同じ質問を複数人に一貫して行います。
データ収集と管理
・録音や文字起こしの品質を確保します。雑音が多いと解析に影響します。
・個人情報は匿名化し、同意を文書で得ます。
データ処理と分析の実務
・まず手作業で数件を読み、コード（意味のラベル）を作ります。
・その後、類似の発言をまとめてパターンを探します。簡単な例だと「不安」「満足」といった分類です。
AI・機械学習導入のポイント
・大量データにはAIが有効です。自動でタグ付けやトピック抽出ができます。
・ただし完全に任せず、専門家の確認を挟みます。AIは誤分類や偏りを生むことがあるためです。
品質管理と倫理
・信頼性のために複数人でコードを付け合うと良いです。
・倫理面では透明性とデータ保護を優先します。参加者に解析の目的を明示してください。
最新動向（短く）
・AI支援の自動タグ付け、埋め込み（ベクトル表現）を使った類似検索、感情分析の精度向上が進んでいます。
・音声や画像を含むマルチモーダル解析が増え、より豊かなナラティブ理解が可能になっています。
実践チェックリスト（簡潔）
1) 目的と質問を明確にする
2) 高品質な記録と匿名化
3) 初期は手作業で傾向把握
4) AIは補助として導入し、人が検証する
5) 倫理と透明性を守る
これらを基に進めれば、現場で再現性の高いナラティブ分析が行いやすくなります。