【保存版】自由記述アンケートはどう分析する？質的分析とテキストマイニングの違い

― 感想・意見・自由回答を「研究データ」として活かすために ―

こんにちは。
統計解析・研究分析支援のスタットエージェントです📊

アンケート調査を行うとき、多くの方が悩むのが自由記述欄の分析です。

たとえば、次のような自由回答です。

「この授業について感じたことを自由に書いてください」
「サービスを利用してよかった点を教えてください」
「育児で困っていることを自由に記入してください」
「今後必要だと思う支援について書いてください」
「職場環境について感じていることを記入してください」

このような自由記述は、選択式のアンケートでは拾いきれない本音・背景・具体的な困りごとが表れる大切なデータです🌿

しかし一方で、

「自由記述はどう分析すればよいのか」
「質的分析とテキストマイニングは何が違うのか」
「KH Coderを使えば十分なのか」
「論文ではどのように書けばよいのか」
「件数が少ない場合でも分析できるのか」

と悩まれる方も非常に多くいらっしゃいます。

そこで今回は、自由記述アンケートの分析方法について、特に混同されやすい質的分析とテキストマイニングの違いを中心に、わかりやすく整理していきます📝

自由記述アンケートは「ただの感想」ではありません

自由記述アンケートは、単なる感想の集まりではありません。
適切に整理すれば、研究や実務改善に使える重要なデータになります。

選択式の質問では、「はい」「いいえ」「5段階評価」などで回答を得ることができます。これは集計しやすく、統計解析にも使いやすい形式です。

一方で、自由記述には、数値だけでは見えない内容が含まれます。

たとえば、満足度が「3」と回答された場合、その数字だけでは、なぜ3なのかはわかりません。
しかし自由記述に「内容はよかったが、説明のスピードが速かった」と書かれていれば、評価の背景が見えてきます。

つまり、自由記述は、数値データの背景を説明するデータとしても、対象者の経験や認識を深く理解するデータとしても活用できます。

自由記述アンケートでわかること📘

自由記述アンケートを分析すると、次のようなことが見えてきます。

対象者が何に困っているのか。
どのような支援を求めているのか。
選択式項目では想定していなかった意見があるのか。
同じ評価でも、どのような理由でその評価になったのか。
現場で実際に起きている具体的な状況は何か。
少数意見の中に重要な示唆が含まれていないか。

特に、教育、看護、医療、福祉、心理、自治体調査、観光、マーケティング、職場調査などでは、自由記述が非常に重要な意味を持ちます。

なぜなら、人の意識や経験は、数値だけでは十分に表現できないことが多いからです。

自由記述の分析方法は大きく2つあります

自由記述アンケートの分析方法は、大きく分けると次の2つです。

1. 質的分析

質的分析は、文章の意味や文脈を読み取りながら、内容を整理していく方法です。
回答者が何を言おうとしているのか、どのような経験や意味づけが含まれているのかを重視します。

代表的な方法には、以下のようなものがあります。

・内容分析
・主題分析
・KJ法
・M-GTA
・カテゴリー化
・コード化
・テーマティック・アナリシス

質的分析では、単語の出現回数だけではなく、文章の意味、背景、文脈、発言のニュアンスを丁寧に読み解きます。

2. テキストマイニング

テキストマイニングは、自由記述の文章をデータとして扱い、単語の出現頻度や語同士の関係を可視化する方法です。

代表的な方法には、以下のようなものがあります。

・頻出語分析
・共起ネットワーク
・対応分析
・階層的クラスター分析
・語の出現傾向の比較
・KH Coderによる分析

テキストマイニングでは、大量の自由記述から、よく使われる言葉や言葉同士のつながりを把握できます。

質的分析とテキストマイニングの違い🔍

質的分析とテキストマイニングは、どちらも自由記述を扱う方法ですが、目的が異なります。

質的分析は、意味を深く読む分析です。
一方、テキストマイニングは、言葉の傾向を可視化する分析です。

たとえば、自由記述の中に「不安」という言葉が多く出てきたとします。

テキストマイニングでは、「不安」という語が何回出てきたか、どの語と一緒に使われているかを確認できます。
一方、質的分析では、その「不安」が何に対する不安なのか、どのような背景から生じているのか、回答者がどのように意味づけているのかを読み取ります。

つまり、テキストマイニングは全体傾向を把握するのに向いており、質的分析は内容の意味を深く理解するのに向いています。

簡単にいうと、違いはここです📊

観点質的分析テキストマイニング主な目的意味や文脈を読み取る単語の傾向や関係を可視化する重視するもの内容、背景、ニュアンス出現頻度、共起関係、語の分布得意なこと深い解釈、カテゴリ化、テーマ抽出大量データの整理、可視化、全体傾向の把握代表的方法内容分析、主題分析、KJ法、M-GTAKH Coder、頻出語分析、共起ネットワーク向いているデータ件数が少なくても意味の深い記述一定量以上の自由記述注意点分析者の解釈過程を明示する必要がある単語の多さだけで結論を出すと危険

このように、両者は対立する方法ではありません。
むしろ、研究目的によっては、質的分析とテキストマイニングを組み合わせることも有効です。

自由記述アンケートに質的分析が向いている場合✅

自由記述アンケートに質的分析が向いているのは、回答の意味を丁寧に読み取りたい場合です。

たとえば、次のような研究では質的分析が有効です。

「学生が授業をどのように受け止めたのかを明らかにしたい」
「患者が退院後にどのような不安を抱いているのかを整理したい」
「保護者が子育て支援に何を求めているのかを明らかにしたい」
「職員が業務上どのような困難を感じているのかを把握したい」
「利用者の語りからサービス改善の視点を抽出したい」

このような場合、単語の頻度だけでは不十分です。
回答者がなぜそう書いたのか、どのような状況が背景にあるのかを読み解く必要があります。

質的分析では、自由記述を読み込み、意味のまとまりごとにコードを付けます。
その後、似たコードをまとめてサブカテゴリーやカテゴリーを作成します。

たとえば、育児困難感に関する自由記述であれば、次のような整理が考えられます。

「夜泣きが続いて眠れない」
「授乳がうまくいかない」
「夫に相談してもわかってもらえない」
「一人で抱え込んでいる感じがする」

これらを読み取り、
「睡眠不足による疲労」
「授乳への不安」
「夫婦間の支援不足」
「孤立感」
といったコードやカテゴリーに整理していきます。

このように、質的分析は、自由記述の中にある意味の構造を明らかにする方法です。

自由記述アンケートにテキストマイニングが向いている場合📈

テキストマイニングが向いているのは、自由記述の件数がある程度あり、全体的な傾向を視覚的に整理したい場合です。

たとえば、次のような場合です。

「回答数が多く、全体の傾向をまず把握したい」
「どの言葉が多く使われているか確認したい」
「肯定的な意見と否定的な意見で使われる語の違いを見たい」
「学年別、性別、職種別などで自由記述の傾向を比較したい」
「共起ネットワークを使って、語同士の関係を可視化したい」

テキストマイニングでは、たとえば「不安」「支援」「時間」「負担」「相談」「学習」「楽しい」など、よく出てくる語を抽出できます。

さらに、共起ネットワークを作成すると、どの語とどの語が一緒に使われやすいかを図で示すことができます。

たとえば、「不安」という語が「育児」「相談」「夫」「夜」と結びついていれば、育児不安や相談不足に関する記述が多い可能性があります。

ただし、ここで注意が必要です。
テキストマイニングは、語の関係を可視化することは得意ですが、その語がどのような意味で使われているかまでは、自動的に正しく判断してくれるわけではありません。

たとえば、「不安がなくなった」という文章と「不安が強くなった」という文章では、同じ「不安」という語が出てきます。
しかし意味はまったく異なります。

そのため、テキストマイニングの結果は、必ず原文に戻って確認する必要があります。

KH Coderを使えば自由記述分析は十分なのか？💻

自由記述分析でよく使われるツールにKH Coderがあります。

KH Coderは、テキストマイニングを行うための代表的なツールで、頻出語、共起ネットワーク、対応分析などを行うことができます。

研究論文や卒業論文、修士論文でも使われることがあります。

ただし、KH Coderを使えば自由記述分析が自動的に完成するわけではありません。

KH Coderでできるのは、主に語の抽出・集計・可視化です。
一方で、研究として重要なのは、その結果をどのように解釈するかです。

たとえば、共起ネットワークを作ったとしても、
「なぜその語同士が結びついているのか」
「研究目的とどう関係するのか」
「原文ではどのように語られているのか」
「どのような示唆が導けるのか」
を説明できなければ、論文としては弱くなってしまいます。

つまり、KH Coderは便利なツールですが、分析そのものを代行してくれるものではありません。
研究目的に合った設計、前処理、語の確認、結果の解釈が必要です。

質的分析とテキストマイニングはどちらを選ぶべき？🌿

では、自由記述アンケートでは、質的分析とテキストマイニングのどちらを選べばよいのでしょうか。

結論からいえば、研究目的によって選ぶべき方法は変わります。

自由記述の意味を深く読み取りたい場合は、質的分析が向いています。
大量の自由記述から全体傾向を整理したい場合は、テキストマイニングが向いています。
全体傾向も見たいし、具体的な意味も読み取りたい場合は、両方を組み合わせる方法もあります。

たとえば、まずKH Coderで頻出語や共起ネットワークを確認し、その後、重要な語が含まれる原文を読み込み、質的にカテゴリー化する方法があります。

このようにすると、
「全体としてどのような語が多いのか」
「その語はどのような文脈で使われているのか」
の両方を説明しやすくなります。

自由記述分析でよくある失敗例⚠️

失敗例1：頻出語だけで結論を出してしまう

テキストマイニングでよくある失敗は、頻出語だけを見て結論を出してしまうことです。

たとえば、「不安」という語が最も多かったからといって、単純に「回答者は不安を抱えている」と結論づけるのは危険です。

その「不安」が、将来への不安なのか、身体的な不安なのか、人間関係への不安なのか、制度への不安なのかを確認する必要があります。

単語は文脈の中で意味を持ちます。
そのため、頻出語分析の結果だけでなく、必ず原文を確認することが大切です。

失敗例2：自由記述をただ分類しただけで終わってしまう

質的分析でよくある失敗は、自由記述を分類しただけで終わってしまうことです。

カテゴリーを作ること自体は重要ですが、研究ではその先が必要です。

なぜそのカテゴリーが重要なのか。
カテゴリー同士にはどのような関係があるのか。
先行研究と比べて何が新しいのか。
実践や政策、教育、支援にどのような示唆があるのか。

ここまで説明できて初めて、自由記述分析が研究として意味を持ちます。

失敗例3：分析手順が説明されていない

自由記述分析では、分析手順の説明が非常に重要です。

たとえば、次のような点を明確にする必要があります。

誰が分析したのか。
何件の自由記述を対象にしたのか。
どのような手順でコード化したのか。
どのようにカテゴリーを作成したのか。
複数名で確認したのか。
意見が分かれた場合にどう調整したのか。
KH Coderを使った場合、どのような前処理をしたのか。

このような説明がないと、読み手は分析結果の信頼性を判断できません。

失敗例4：AIやソフトの出力をそのまま使ってしまう

近年は、AIを使って自由記述を要約したり、分類したりすることも可能になっています。

しかし、AIやソフトの出力をそのまま研究結果として使うのは危険です。

AIは文章の大まかな整理には役立ちますが、研究目的に即したカテゴリー化、文脈の読み取り、原文との照合、倫理的配慮まですべてを正確に判断できるわけではありません。

特に、看護、医療、福祉、教育など、人の経験や困難を扱う研究では、分析者が責任を持って内容を確認する必要があります。

自由記述アンケート分析の基本的な流れ📝

自由記述アンケートを分析する際には、次のような流れで進めると整理しやすくなります。

ステップ1：研究目的を確認する

最初に確認すべきなのは、研究目的です。

「何を明らかにしたいのか」が曖昧なまま分析を始めると、自由記述の整理も曖昧になります。

たとえば、同じ自由記述でも、
「満足度の理由を知りたい」のか、
「困難感の内容を分類したい」のか、
「支援ニーズを明らかにしたい」のか、
「改善点を抽出したい」のか、
によって分析方法は変わります。

ステップ2：自由記述データを整える

次に、自由記述データを整理します。

誤字脱字をどこまで修正するか。
個人情報を削除するか。
空欄や「特になし」をどう扱うか。
同じ意味の表記ゆれをどう処理するか。
記号や絵文字をどう扱うか。

このような前処理は、質的分析でもテキストマイニングでも重要です。

特にテキストマイニングでは、表記ゆれが結果に影響します。

たとえば、
「子ども」
「子供」
「こども」
が別々の語として処理されると、本来同じ意味の語が分散してしまうことがあります。

ステップ3：分析方法を決める

研究目的とデータ量を確認したうえで、質的分析を行うのか、テキストマイニングを行うのか、あるいは両方を組み合わせるのかを決めます。

件数が少なく、内容を深く読み取りたい場合は質的分析が向いています。
件数が多く、全体傾向を把握したい場合はテキストマイニングが有効です。
件数が多く、かつ意味内容も丁寧に扱いたい場合は、併用する方法が考えられます。

ステップ4：結果を整理する

質的分析の場合は、コード、サブカテゴリー、カテゴリーを整理します。
テキストマイニングの場合は、頻出語表、共起ネットワーク、対応分析などの結果を整理します。

ただし、どちらの場合も、結果をただ並べるだけでは不十分です。

なぜその結果が重要なのか。
研究目的に対して何が明らかになったのか。
どのような解釈ができるのか。

この点を文章で説明する必要があります。

ステップ5：原文に戻って確認する

自由記述分析では、原文に戻ることがとても重要です。

テキストマイニングで特徴的な語が見つかった場合でも、その語が実際にどのような文脈で使われているかを確認しなければなりません。

質的分析でも、カテゴリー名をつけたあとに、元の記述と照らし合わせて、本当にそのカテゴリーでよいのかを確認する必要があります。

自由記述分析では、データから離れすぎないことが大切です。

自由記述分析を論文に書くときのポイント✍️

自由記述分析の結果を論文に書く場合は、分析方法の説明が非常に重要です。

たとえば、質的分析であれば、次のように書く必要があります。

自由記述回答を精読した。
意味内容のまとまりごとにコードを付与した。
類似するコードを集約し、サブカテゴリーおよびカテゴリーを生成した。
カテゴリーの妥当性について複数名で検討した。
代表的な記述例を示しながら、各カテゴリーの内容を説明した。

テキストマイニングであれば、次のような説明が必要です。

自由記述データを対象に形態素解析を行った。
表記ゆれを統一した。
分析対象語を選定した。
頻出語を抽出した。
共起ネットワークを作成した。
特徴的な語について原文を確認し、研究目的に照らして解釈した。

つまり、論文では「自由記述を分析した」と書くだけでは不十分です。
どのような手順で、どのような基準に基づいて分析したのかを明確に示す必要があります。

自由記述が少ない場合でも分析できる？🌱

自由記述の件数が少ない場合でも、分析できることはあります。

ただし、件数が少ない場合は、テキストマイニングよりも質的な整理の方が向いていることが多いです。

たとえば、自由記述が10件から30件程度の場合、頻出語や共起ネットワークを作っても、安定した傾向を示しにくいことがあります。

その場合は、記述内容を丁寧に読み込み、意味のまとまりごとに整理し、代表的な記述を引用しながら説明する方が自然です。

一方で、数百件以上の自由記述がある場合は、テキストマイニングを使って全体傾向を把握する意味が大きくなります。

大切なのは、件数に応じて無理のない分析方法を選ぶことです。

自由記述分析はAIだけでできるのか？🤖

AIを使えば、自由記述の要約や分類はある程度できます。
しかし、研究や論文で使う分析としては、AIだけに頼るのは注意が必要です。

なぜなら、自由記述分析では、単なる分類だけでなく、研究目的との整合性、先行研究との関係、原文の文脈、倫理的配慮、分析手順の透明性が求められるからです。

AIは便利な補助ツールですが、次のような判断は人間の専門的確認が必要です。

このカテゴリー名で妥当か。
原文の意味を誤っていないか。
少数意見を無視していないか。
研究目的に合った分析になっているか。
論文の方法として説明できるか。
指導教員や査読者に納得してもらえるか。

特に、医療・看護・福祉・教育分野では、自由記述の中に個人の困難や感情、支援ニーズが含まれることがあります。
そのため、分析者が責任を持って読み取り、丁寧に整理することが重要です。

スタットエージェントで支援できること📊

スタットエージェントでは、自由記述アンケートの分析について、研究目的やデータの性質に応じた支援を行っています。

たとえば、以下のようなご相談に対応できます。

自由記述をどの方法で分析すべきか相談したい。
質的分析とテキストマイニングのどちらがよいか判断したい。
自由記述のコード化・カテゴリー化を行いたい。
KH Coderで頻出語や共起ネットワークを作成したい。
テキストマイニングの結果を論文用に解釈したい。
自由記述の結果を表や図に整理したい。
分析方法を論文の「方法」に書ける形に整えたい。
結果と考察の文章をわかりやすくまとめたい。
AIで整理した自由記述の妥当性を確認したい。

自由記述分析では、ソフトを使うこと自体よりも、研究目的に合った分析方針を立てることが重要です。

スタットエージェントでは、単に語を抽出するだけでなく、論文や報告書で説明しやすい形に整理することを大切にしています。

まとめ｜自由記述は「意味」と「傾向」の両方を見ることが大切です🌿

自由記述アンケートは、選択式のデータでは見えない対象者の本音や具体的な状況を把握できる貴重なデータです。

質的分析は、文章の意味や文脈を深く読み取る方法です。
テキストマイニングは、単語の傾向や語同士の関係を可視化する方法です。

どちらが優れているというよりも、研究目的によって使い分けることが大切です。

少数の自由記述を丁寧に読み取りたい場合は、質的分析が向いています。
大量の自由記述から全体傾向を把握したい場合は、テキストマイニングが向いています。
全体傾向と意味内容の両方を見たい場合は、両者を組み合わせることも有効です。

自由記述分析で大切なのは、
「何となく分類すること」ではなく、研究目的に沿って、意味のある形で整理することです。

そして、テキストマイニングの結果も、質的分析のカテゴリーも、最終的には原文に戻って確認することが欠かせません。

自由記述アンケートの分析方法で迷っている方、KH Coderの使い方や結果の解釈に不安がある方、論文にどのように書けばよいかわからない方は、ぜひスタットエージェントにご相談ください。

研究目的、データの内容、論文の方向性に合わせて、自由記述を研究成果として活かせるよう丁寧にサポートいたします📘

キーワード

自由記述アンケート
自由記述 分析
自由回答 分析
質的分析
テキストマイニング
KH Coder
KH Coder 使い方
共起ネットワーク
頻出語分析
アンケート 自由記述
自由記述 コード化
自由記述 カテゴリー化
内容分析
主題分析
KJ法
M-GTA
テーマティック・アナリシス
アンケート分析
研究データ 分析
論文 自由記述
看護研究 自由記述
教育研究 自由記述
福祉研究 自由記述
統計解析 相談
質的研究 支援
テキストマイニング 外注
自由記述 分析 外注
KH Coder 分析 支援
スタットエージェント

ハッシュタグ

#自由記述アンケート
#自由記述分析
#質的分析
#テキストマイニング
#KHCoder