▼▼▼▼▼▼▼▼
チャンネル登録はこちら

有意標本

質的標本抽出は，ボランティアの情報提供者で始めて，雪玉式に新しい参加者を補充するが，結局，大部分の質的研究は，有意（または有為）抽出法の方略を展開する．

つまり，研究にもっとも利益をもたらす事例を自分で選ぶ．

有意標本の例

ゲビー，ウェイクフィールド，カーフットは，公衆衛生政策で現在活躍している27名の米国人ナースを有意に選び，政策を開発する際の体験を記述した．

有意抽出法では，いくつかの方略が明らかであり，ここにそのいくつかだけを示そう．自分の標本抽出計画に，パットンがつけた名称を使う必要はない．

パットンの分類は，質的研究者が，自らの研究の理論的必要性を満たすために適用したさまざまな種類の方略を示している．

・最大多様l生抽出(maximum variation sampling)では，関心ある側面の多様性の範囲を広げ,事例を有為に選ぶ．異なる視点や考え方をもつ参加者を選ぶことは,研究者にとって,先入観による概念化や，浮かび上がった概念化に対する反証となる．

最大多様性抽出は，異なる背景をもつ人々(男性と女性,貧しい人々と裕福な人々，など)が標本になることを保証する．

これには,研究している現象について異なる視点をもつ人々を含めようという意図的な試みもある．

たとえば，初期の参加者にさまざまな視点をもつ人々を紹介してくれるように頼もうとして，雪玉式を使うこともあるだろう.

・均質標本抽出は，慎重に多様性を減らし，探究の焦点を絞ることができる．

特定の集団の人々をとくによく理解したいときに，この方法をもちいることもあるだろう．

集団面接のために人々を選ぶ際に，均質標本抽出をもちいることが多い，

・極端な(逸脱した)事例の標本抽出は，もっともふつうでない極端な情報提供者から学ぶ機会を提供する(例：著しい成功や注目すべき失敗)．

この方法の前提は，極端な事例はある意味特別で，情報に満ちているということである．

集中的に極端な事例を研究することで多くを学びうるが，現象の理解を歪めることもある.

・強調した標本抽出(intensity sampling)は,極端な事例の標本抽出と似ているが，極端さを強調するものは少ない．

強調した標本は，極端な徴候や歪んだ可能性のある徴候を示すものではなく，関心ある現象を一目瞭然と示すような，情報豊かな事例を含む．

このように，強調した標本抽出での最終目標は，その現象について強い例となるような豊富な事例を選ぶことである.

・典型例の標本抽出(typical case ｓalnpling)では，典型例またはふつうの例として示せたり，強調できる参加者を選ぶ．

研究している現象の典型的な姿を示す質的な人間像をつくるために，得た情報を活用できる．

・重要例の標本抽出(critical case sampling)では，関心のある現象について重要である事例を選ぶ．

この方法で，研究者は，現象の重要な側面を示すような，最適の物語を探す.

・基準標本抽出(criterion sampling)では，重要性についての既定の基準を満たす事例を研究する．

マルチメソッドによる研究で基準標本抽出をもちいることがあり，その場合，量的構成要素から得たデータをもちいて，徹底的な研究のための特定の基準を満たす事例を選ぶ．

サンデロウスキーは，ミックス・メソッド・リサーチにおいて，標本抽出の方略を組み合わせるのに役立つ多くの提案を示している.

・理論に基づく標本抽出(theory-based sampling)では，重要な理論の構成概念をあらわす可能性に基づいて，人々やできごとを選ぶ．

理論に基づく標本抽出は，通常，質的に検証されている既存の理論に基づいた，かなり焦点を絞った方法である．

確認事例と非確認事例の標本抽出は，質的研究で，データ収集の終わりに向かってもちいることが多い．

研究者が，データにおける傾向やパターンに気づくにつれて，わかってくる概念化を確認する必要がある．

確認事例(confirming case)は，研究者の概念化に適し，信用性を高めるような，追加の事例である．

非確認事例(disconfirming case)は,研究者の解釈に適さず,反証するような事例である．

これらの「ネガティブな」事例は，もとの概念化をどのように見直し，拡大すべきかについて，新しい洞察をもたらすかもしれない．

これらの標本抽出の方略のほぼすべてにおいて，研究者が研究する環境について，なんらかの知識を備えている必要があるということを覚えておくべきだろう．

たとえば，極端な例，典型例，重要例を選ぶには，研究者は，現象の多様性の範囲についての情報と，それがどのように現れるかについての情報を備えていなければならない．

初期の参加者が，これらの標本抽出方略を実施するうえで役立つだろう．

有意標本抽出法は、質的研究においてしばしば採用される方法であり、研究者が研究目的や対象となる現象に最も適した事例を意図的に選択することにより、研究の質を高めようとするものです。質的研究の多くは、有意標本抽出法によって、研究目的に合致する事例を効果的に収集し、深い理解を得ることを目指します。この手法は、一般的にボランティアの情報提供者をスタート地点として、雪玉式に他の参加者を紹介してもらうことから始まりますが、最終的には研究にもっとも貢献する参加者を自らの裁量で選定することが重視されます。有意標本の具体例としては、ゲビー、ウェイクフィールド、カーフットが米国における公衆衛生政策で活躍する27人のナースを対象に選び、彼らの政策開発経験を記述した研究が挙げられます。こうした研究において、どのような参加者を選定するかが研究成果に大きな影響を及ぼすため、質的研究においては、有意標本抽出の手法や方略が特に重視されています。この手法にはいくつかの種類があり、研究目的に応じて最適な方略を選択することが求められます。パットンは、この有意標本抽出において複数の方略を分類しており、質的研究者が自身の研究目的や理論的要件を満たすためにこれらの方略を応用していますが、必ずしもパットンの分類に厳密に従う必要はなく、研究者は独自の方法を柔軟に組み合わせることが可能です。まず、最大多様性抽出（maximum variation sampling）について説明します。これは、研究対象の多様な側面を捉えるために、異なる背景や観点を持つ参加者を意図的に選ぶ方法です。この方略により、研究者は異なる視点や価値観、経験を持つ人々を対象とすることで、先入観に基づく偏った概念化を避けたり、現象の多様性を幅広く理解するための反証を得ることができます。たとえば、男女や経済的に豊かな層と貧困層など、異なる背景を持つ参加者を選ぶことによって、多様な見解を取り入れることができ、現象に対する包括的な理解が可能となります。また、雪玉式で参加者を紹介してもらう場合にも、この多様性を確保するために初期の参加者に異なる視点を持つ人を紹介してもらうことが考えられます。次に、均質標本抽出（homogeneous sampling）です。これは、多様性をあえて減らし、特定の集団に焦点を絞る手法で、特定の集団や現象について深く理解したい場合に効果的です。特に、同じ背景や経験を持つ人々を集団面接の参加者として選ぶ際に用いられることが多く、異質な要素を排除することで、特定の課題や経験に対する集団の視点を明確に浮かび上がらせることができます。たとえば、特定の職業や地域における共通の課題を探る際には、この方法が適しています。さらに、極端な事例抽出（extreme case sampling）という手法もあります。これは、一般的なケースとは異なる、非常にユニークまたは極端な事例から学ぶことを目指す方法で、著しい成功や大きな失敗など、通常の範囲を超えた特別な事例に注目します。この方略は、極端な事例が多くの情報を提供する可能性が高いとの考えに基づいており、その現象の特殊性を強調することで、多様な側面からの洞察を得ることができます。ただし、極端な事例に焦点を当てすぎると、現象全体の理解に偏りが生じるリスクもあるため、慎重に実施する必要があります。一方で、強調した標本抽出（intensity sampling）は、極端な事例抽出に似ていますが、極端すぎない範囲で強い特徴を持つ事例を選ぶ方法です。強調した標本は、対象とする現象を明確に示す事例を含み、極端さによる歪みを避けながら、現象の核心を理解するのに役立ちます。次に、典型例の標本抽出（typical case sampling）について説明します。この方法は、調査対象となる現象や対象集団の典型的な特徴を示す人々や出来事を選び出すことで、全体像を理解するための基礎データを収集するものです。典型例に基づく標本抽出は、研究対象の中で特に目立つことのない普通のケースを取り上げ、その特徴を一般化することにより、全体の傾向を捉えやすくします。このため、質的なデータをもとに現象の一般的な側面を把握するために適しています。重要例の標本抽出（critical case sampling）は、研究対象の現象において特に重要な要素を含む事例を選び出す方法です。この方法は、限られた事例であってもそれが現象の重要な側面を示すものであれば、現象全体を代表するものとみなすことができ、研究対象の理解を深めることができます。たとえば、ある政策が特定の条件下でどのように機能するかを明らかにするために、その条件を満たす事例を選択し、詳細に分析することが可能です。また、基準標本抽出（criterion sampling）では、特定の基準に合致する事例のみを選ぶことで、研究の目的に合ったデータを収集します。この方法は特にマルチメソッド研究で用いられることが多く、量的研究で得られたデータを基に、厳密な基準に基づいた質的な事例を選択することで、データの一貫性や信頼性を高めます。理論に基づく標本抽出（theory-based sampling）は、特定の理論に関連する構成概念に適した事例を選び出し、理論を具体的に検証するために使用されます。この方法は、既存の理論に基づき、焦点を絞って選定するため、理論の妥当性を確認する手段として有効です。さらに、確認事例と非確認事例の標本抽出（confirming and disconfirming cases）は、研究の最終段階で用いられることが多く、データにおけるパターンを確認したり、仮説に対する反証を得るために役立ちます。確認事例は、研究者の概念化を支持するデータを提供し、研究の信用性を高める一方、非確認事例は概念に対する反証を提示し、概念化を再考するための重要なフィードバックを提供します。こうした多様な有意標本抽出法を活用することで、研究者は質的研究において深みのある洞察を得ることができ、現象を包括的に理解するためのデータを収集することが可能です。重要なのは、研究者がこれらの標本抽出の方略を適切に組み合わせ、研究目的や対象の特徴に応じた最適な標本を選ぶことで、質的研究の成果を最大限に高めることです。また、極端な例や典型的な例を選ぶためには、研究者自身が現象の多様性やその出現の仕方に対する十分な理解を持っていることが求められます。