日本社会福祉学会大会第62回秋季大会（早稲田大学） 若手研究者のためのワークショップ（大会校プログラム） 研究法の違いによる研究の可能性と限界：多様なアプローチを学ぶ 2014年11月29日（土）10:00-12:00 研究関心① ～誰のための「支援」か？～ 私たちの「支援」は， 当事者のためになっているのか？ ↓ 「原因」を特定し， それを取り除く「支援」は， 「問題」を解決するどころか， 「問題」を構築する． 共通テーマ： 高等教育における福祉専門職の卒後教育における課題 ナラティヴ・データを対象とした質的研究 ～テキストマイニングとナラティヴ分析～ Cf.社会構成主義 ※従来的な専門的支援の限界 （→ナラティヴ・アプローチ） 荒井浩道（2014）『ナラティヴ・ソーシャルワーク—“〈支援〉 しない支援”の方法』新泉社，1-184． 駒澤大学 荒井浩道 E-mail: [email protected] Facebook: arai.hiromichi.7 Twitter: sclwrk 1 2 研究関心③ ～ナラティヴ・データ～ 研究関心② ～何のための「研究」か？～ そもそも，“EBP”でいう， 「エビデンス（科学的根拠）」とは何か？ 「PBE（実践にもとづいた科学的根拠）」 という関心から注目されるデータは？ ↓ 「ナラティヴ・データ」 （“経験にもとづいた語り”のデータ） If We Want More Evidence-Based Practice, We Need More Practice-Based Evidence Green, L. A., et al., Opportunities, challenges, and lessons of international research in practice-based research networks: the case of an international study of acute otitis media. Ann Fam Med, 2004. 2(5): p. 429-433. Ex. デプスインタビュー，フォーカスグループインタビュー，参与観察 ※PBE（実践にもとづいた科学的根拠） ↓ 「研究のための研究」ではない，「実践のための研究」の必要性 ※調査対象者のリアルな経験に接近する可能性 ⇕ データが構造化されていないので，分析し難い Cf.根底にある，「実践と理論（研究）の乖離」 3 研究関心④ ～テキストマイニング～ 4 補足：テキストマイニングについて 非構造的な質的データ（ナラティヴ・データ）を構造化して， 統計的（客観的）に分析する手法 ↓ 「テキストマイニング（text mining）」 ① ソフトの種類 ・Text Mining Studio（NTTデータ数理システム） ・True Teller（野村総研） ・Word Miner（日本電子計算） ・SPSS Text Analytics for Surveys（IBM） ・KH Coder（http://khc.sourceforge.net/），他 Cf.背景にある，日本語の自然言語処理技術（NLP）の発達，電子計算機の高速化 ※質的研究の最大の欠点である研究者の恣意性を排し， 「質的エビデンス」を生み出す可能性 しかし， 質的データ（ナラティヴ・データ）の利点であるリアリティが削がれる…． （KJ法，GTAと同類のカテゴリ分析） ↓ シークエンス分析（＝ナラティヴ分析）により補完 （Flick 2007=2011, Riessman 2008=2014） Flick, U. (2007) Qualitative Sozialforschung, Rowohlt.（=2011, 小田博志監訳, 山本則子・春日常・宮地尚子訳『新版 質的研究入門〈人間科学〉のための方法論』春秋社.） Riessman, C. K. (2008) Narrative Methods for the Human Sciences, Sage.（=2014，大久保功子・宮坂道夫訳『人 間科学のためのナラティヴ研究法』クオリティケア．） 5 ② 日本語自然言語解析の技術 ・形態素解析（分かち書き） →文章を品詞（名詞，動詞，形容詞，副詞）ごとに分解 ・構文解析（係り受け） →修飾（係り）／被修飾（受け）関係を分析 Cf.さらに高度な，意味解析，文脈解析…． ③ 分析方法 頻度分析，特徴分析，対応分析，ｸﾗｽﾀ分析，評価分析，時系列分析 6 研究計画（概要） 研究計画（詳細） ①サンプリング →複数の大学の卒業生を対象に経験年数別に福祉専門職を選定 （児童・障害・高齢，初任者・経験者［5年，10年］） 共通テーマ： 「高等教育における 福祉専門職の卒後教育における課題」 ②フォーカスグループインタビュー →属性別に6-8名程度のグループを編成し，ＦＧＩ（各2時間程度） 参加者への謝金準備．メイン司会者，サブ司会者，記録係等の役割 (1)失敗・成功談，(2)キャリア意識， (3) 研修ニーズ，をテーマ ＩＣレコーダで録音し，業者に依頼して逐語録を作成（or速記） ※「課題」を明らかにする探索的研究（⇔仮説検証型） ①サンプリング ↓ ②フォーカスグループインタビュー ↓ ③テキストマイニング ↓ ④ナラティヴ分析 ③テキストマイニング →逐語録を対象にﾃｷｽﾄﾏｲﾆﾝｸﾞ (Text Mining Studio 5.0を使用） 形態素解析・構文解析を行い，非構造的な質的データを構造化 頻度分析，ｸﾗｽﾀ分析，特徴分析，対応分析，評価分析を実施 ④ナラティヴ分析 →キーワードを原文検索し，抽出された原文をもとにナラティヴ分析 7 予測される結果 Ⅰ 8 参考；分析結果例① テキストマイニング ①頻度分析 →上位の単語として「現場」，「専門性」など，予想外の単語の抽出 ②ｸﾗｽﾀ分析 →「支援」，「専門性」，「卒後教育」などのクラスタの生成 ③特徴分析 →領域・経験ごとの語られた単語の特徴を比較 （失敗・成功談，キャリア意識，研修ニーズ，その他） ④対応分析 →領域・経験ごとの語られた単語のマッピング （失敗・成功談，キャリア意識，研修ニーズ，その他） ⑤評価分析 →肯定的評価：「資格」，「専門性」，否定的評価：「ジレンマ」 Ⅱ ナラティヴ分析 “「現場」では，◯◯は，◯◯なんだと思います．” 9 参考；分析結果例② 荒井浩道（2012）「原子力災害における被災当事者の声の可視化—テキストマイニングによるTwitterの探索的分析」『第85回日本社会学会大会報告要旨集』（札 幌学院大学第1キャンパス），ポスターセッションNo.5． 10 本研究計画のアドバンテージと限界 テキストマイニング ↓ 質的研究と量的研究を融合する可能性 （さらに，カテゴリ分析の限界をナラティヴ分析で補足） ※しかし，テキストマイニングは発展途上の分析技術のため，限界がある ① 自然言語解析技術の未成熟 →エラーの発生（辞書機能の向上の必要性） Cf.オノマトペ，スラングへの対応 ② 再現性 →日本語解析エンジンにより生じる差異 ③ ソフト依存性 →分析アルゴリズム，分析用語がソフト依存 Cf. その他にも，予算額によるナラティヴ・データの量的確保の問題， フォーカスグループインタビューのファシリテーションの均質性 荒井浩道（2013）「認知症家族会における『共同体の物語』の可視化—テキストマイニングによるナラティヴ・データの分析をとおして」『日本認知症ケア学会誌（第14回日本 認知症ケア学会プログラム・抄録集，福岡国際会議場・福岡サンパレス）』12(1)，260． 11 12
© Copyright 2024 ExpyDoc
