リサーチギャップが見つからない人へ｜先行研究を読んでも研究テーマが決まらない理由と見つけ方

文献は読んでいるのに、研究テーマが決まらない。

先行研究を集めたはずなのに、「で、結局自分は何をやればよいのか」が見えてこない。

これは、初学者だけの悩みではありません。ある程度文献を読める人でも、リサーチギャップが見つからず、長く足踏みしてしまうことがあります。

たとえば、こんな状況です。

回復期病棟での作業参加に関心があり、関連論文を10本ほど読んだ。量的研究も質的研究もある。介入研究もレビューも見つかった。けれど、ノートを見返しても、「何がまだ十分にわかっていないのか」が言葉にならない。結果として、研究テーマを決める段階で手が止まる。

この経験に心あたりのある方は、少なくないはずです。

けれど、ここで押さえておきたいことがあります。

リサーチギャップは、特別なひらめきで突然見つかるものではないということです。

多くの場合、見つからないのはセンスがないからではありません。

先行研究の読み方と整理の仕方に、少しズレがあるだけです。

この記事では、先行研究を読んでも研究テーマが決まらない理由を整理したうえで、リサーチギャップを見つけやすくする考え方を示します。さらに後半では、リサーチギャップが見えないときにAIをどう使うとよいかまで解説します。

研究テーマが決まらないと、多くの人は「まだ文献が足りないのではないか」「自分には発想力がないのではないか」と考えます。

もちろん、文献を読む量は大切です。けれど、問題は量だけではありません。

また、発想力も必要です。けど、発想力の問題だけでもありません。

本当の問題は、読んだ研究をどう並べ、どう比較し、どこに不足や偏りがあるかを見える形にできていないことです。

言い換えれば、リサーチギャップが見つからないのは、山のように文献がある中で迷っているというより、まだ整理できていない状態なのです。

文献を1本ずつ理解することと、研究領域全体を整理することは違います。

前者だけでは、「この論文はわかった」で終わりやすい。後者まで進んではじめて、「この領域ではここがまだ薄い」が見えてきます。

リサーチギャップという言葉を聞くと、「まだ世界の誰も手をつけていないテーマ」を探さなければならないように感じる人がいます。それは理想的かもしれないけれど、現実的ではありません。

研究として意味のあるリサーチギャップは、必ずしも完全な知識の空白地帯ではありません。

むしろ多くの場合、すでにある研究を整理したときに見えてくる不足や偏りです。

たとえば、次のようなものです。

• ある対象では研究されているが、別の対象では検討が少ない

• 量的研究はあるが、質的研究で掘り下げた知見が少ない

• 海外の先行研究はあるが、日本の文脈での検討が少ない

• 効果は示されているが、なぜそうなるのかというプロセスの検討が少ない

• 実践への含意が十分に整理されていない

つまり、リサーチギャップとは、まったく新しいものを探すことのみではありません。

いまある知見を整理したときに、まだ十分ではない部分を見つけることでもあるです。

そして、たいていの場合は後者です。

ここを取り違えると、テーマ設定はおかしな方向に進みます。

「誰もやっていないこと」を探そうとすると、問いが大きくなりすぎるか、逆に奇抜さばかりを求めることになるからです。

対象、方法、場面、理論、評価指標、国・地域、研究デザインなどなど。

こうした比較の軸がないと、読んでも整理できません。結果として、情報だけが増え、論点が見えなくなります。

比較の軸がない状態で文献を増やしても、見えてくるのは「たくさんある」という事実だけです。

それでは、ギャップは見えません。

文献を読んでいるうちに、「この領域ではこういう研究が多い」「このテーマが無難そうだ」と流されてしまうことがあります。

しかし、自分がどこに違和感を持っているのか、何に強く引っかかっているのかが見えていないと、文献はただの知識の山になります。

研究テーマは、流行だけで決めるものではありません。

自分が問い続けたい問題とつながっていないと、途中で失速しやすくなります。

研究テーマが決まらない人は、しばしば、

「だから私は何を研究すればよいか」

を早く決めようとします。

けれど、その前に必要なのは、

• この領域では何がわかっているのか

• 何がまだ十分ではないのか

を整理することです。

この2つを飛ばして3つ目に行くと、テーマは思いつきになりやすく、安定しません。

リサーチギャップを整理するときは、次の3つの問いを順番に考えると見えやすくなります。

まずは、先行研究によって何がわかっているのかを押さえます。

ここが曖昧だと、何が不足しているかも見えません。

次に、対象、方法、文脈、解釈、実践への応用などの観点から、まだ十分でない点を探します。

ここが、リサーチギャップです。

最後に、自分の研究として何を扱うのかを絞ります。

ここでは、関心、実現可能性、方法との相性も考える必要があります。

この順番が大切です。

いきなり「自分はこれをやりたい」と始めると、背景の薄いテーマになります。

逆に、この3つを順に考えると、研究テーマはかなり見えやすくなります。

研究テーマを決めるとき、多くの人は「大きな問い」を立てようとします。

けれど、実際には、小さくても意味のある問いの方が進めやすく、研究の質も安定しやすいです。

そのために役立つのは、次の3つです。

テーマ全体ではなく、対象、場面、視点を限定することで、問いは具体化します。

どんな方法ならその問いに答えられるのかを考えることで、実現可能なテーマになります。

現場や教育や研究の中で感じてきた違和感とつながっているテーマは、問いとして強くなります。

研究テーマを決めることは、壮大さを競うことではありません。

意味があり、実行可能で、自分が取り組む必然性のある問いに落とし込むことです。

ギャップが見つからないとき、AIを使いたくなる人は多いはずです。

実際、AIはうまく使えばかなり役に立ちます。けれど、使い方を間違えると、もっともらしい一般論を大量に返してくるだけで終わります。

大切なのは、AIに「研究テーマを決めて」と丸投げしないことです。

AIの本当の使いどころは、先行研究の比較・整理・仮説化を加速することにあります。

まず有効なのは、複数論文を同じ軸で並べることです。

たとえば、

• 目的

• 方法（場面、研究デザイン、対象、理論的枠組みなど）

• 主要な知見

• 限界

• 実践への含意

などといった軸で比較させると、抜けている部分が見えやすくなります。この軸は必要に応じて細分化したらOK。

これはもちろん、人間が全部自分でやってもよいのですが、AIを使うと比較表のたたき台を短時間で作れます。

ここで重要なのは、AIに論文の中身を想像させないことです。必ず、自分で読んだ要約、抄録、メモ、あるいは論文本文の該当箇所を渡して比較させる方がよいです。

比較表ができたら、次は「何が不足しているか」を整理させます。

このとき便利なのは、ギャップを次のような類型で見せてもらうことです。

• 対象の偏り

• 方法の偏り

• 結果解釈の不足

• 実践への接続不足

などなど。

こうすると、単なる抜けではなく、どの種類のギャップなのかが見えやすくなります。

これだけでも、テーマ設定はかなり進むことでしょう。

ギャップが見えても、そのままではテーマになりません。

そこで最後に、

• 意義があるか

• 実行可能か

• 自分の関心とつながるか

• 方法と整合するか

などといった観点で候補を絞らせます。

ここでやっと、「だから自分は何を明らかにしたいか」が見えてくるはずです。

AIは便利ですけど、やらせてはいけないこともあります。

AIは、もっともらしい論文名や著者名を出すことがあります。

したがって、文献情報は必ず原著データベースや実際の論文で確認する必要があります。

抄録しか見ていないのに、本文の詳細な議論までAIに断定させるのは危険です。

本文を確認できていない情報は、未確認のまま扱うべきです。

AIは整理や比較に使っても、「この問いを自分が本当に追うべきか」という判断は、人間が行うべきです。

研究テーマは、単に論理的であればよいわけではありません。

自分が取り組む必然性があるかが重要だからです。

以下は、AIでリサーチギャップを見つけるためのプロンプトの一例です。

安定した出力を得るために、ただ単に「リサーチギャップを見つけて」と依頼するのではなく、役割、評価軸、禁止事項、入力、出力形式を明記しています。

このプロンプトは、役割、指示、文脈、出力形式を分け、論理的境界を明示し、必要な比較軸を先に与えています。さらに、あらかじめ禁止事項を入れているため、文献の捏造や根拠なき断定を抑えやすくなります。

また、期待するような出力が得られない場合は、プロンプトを適宜加筆修正してください。さらに精度を上げたいときは、除外したい方向性を示したり、現実的な制約を伝えたり、よく分からないところを質問したりするとよいでしょう。

AIは1回の出力で答えを得ようとするよりも、出力された結果を見ながらあれこれ試した方がよいです。

研究を1本ずつ読んで終わっていたり、比較の視点がなかったり、自分の関心の軸が曖昧だったりするからです。

リサーチギャップは、「誰もやっていないこと」を探すものではありません。

すでにある研究を整理したときに見えてくる不足や偏りを見つけることです。

何がわかっているのか。

何がまだ十分ではないのか。

だから自分は何を明らかにしたいのか。

この3つを順に考えるだけでも、研究テーマはかなり見えやすくなります。

そして、そこにAIを使うなら、代わりに考えてもらうためではなく、比較し、整理し、見落としを可視化するために使うのがよいです。

研究テーマで止まると、研究全体が止まります。

だからこそ必要なのは、ひらめきではなく、設計です。

テーマ設定やリサーチギャップの整理で止まってしまうと、その先の研究計画書づくりも苦しくなります。

Thriver Projectでは、無料Webセミナー「研究計画書の書き方講座」をご用意しています。

この講座では、研究テーマをどう形にし、研究計画書へどうつなげていくのかを、全体の流れの中で整理できます。

研究テーマを一人で抱え込まず、まずは考え方の土台をつくりたい方は、こちらからご参加ください。