研究の進め方は、広い関心から具体的な主張へ絞り込む漏斗にたとえられます。ところが会議でこの漏斗を上から丁寧に流していると、決めるべき期日のほうが先に下から流れ出ていきます。この記事では、テーマ、論点、リサーチクエスチョン、命題の違いを整理したうえで、実務では漏斗を逆に回したほうが論点が早く見つかる場合と、その逆回しに潜む危うさを考えます。
四つは同義語ではなく、絞り込みの段階です
- テーマ：出発点となる、大まかな関心の領域
- 論点：テーマの中で見つかった、未解決の問題や知識の空白
- リサーチクエスチョン：論点を、調べられる問いの形に磨いたもの
- 命題（仮説）：その問いに対する暫定的な答え。論証されるべき主張
四つは順につながり、前の段階の質が後の段階を決めます。テーマが曖昧だと空白が見つからず、論点がなければ問いは「教育はどう改善できるか」のような漠然としたものになり、曖昧な問いからは検証できない命題か、当たり前すぎる命題しか出てきません。
テーマは仮決めでよく、論点は知識の空白です
テーマは「リモートワークの普及」「気候変動が農業に与える影響」のような、関心の方向を示すものです。良いテーマには、既存の研究にない知見を足せるか（新規性）、社会や学問の役に立つか（有用性）、調査や論理で確かめられるか（検証可能性）という三つの条件があるとされます。新規性は、確立された手法を別の対象に当てはめるだけでも生まれえます。最初のテーマは本決めではなく仮決めで、調べるうちに絞られていくものとして扱います。
論点は、テーマの内側にある、まだ解かれていない問題や、見解の分かれている点です。それを見つける作業が先行研究の調査で、何が分かっていて何が分かっていないかを地図のように描きます。「Aさんはこう言い、Bさんはこう言った」と並べるだけでは足りず、共通点と食い違い、手つかずの範囲、手法の限界を突き合わせて、初めて自分が貢献できる隙間が見えてきます。
問いと命題は、対にして初めて働きます
リサーチクエスチョンは、論点を具体的で調べられる疑問文に磨いたものです。
| 特徴 | 中身 |
| 具体的 | 何を、誰を対象に、何を明らかにするかが一読で分かる |
| 実行できる | 手持ちのデータ、時間、資金で答えが出せる |
| 議論の余地がある | はい、いいえや検索一回では片づかない |
| 意義がある | 答えが誰かの役に立つ |
「スマートフォンは学習に悪いか」は漠然としていますが、「スマートフォンの1日の使用時間は、高校生の定期試験の成績にどう影響するか」とすれば、対象と変数がはっきりします。命題は、その問いへの答えを言い切った平叙文です。仮説は命題の一種で、データで確かめられるよう変数どうしの関係を予測する形にしたものです。
元の記事では、テーマ「リモートワークの普及と企業文化」から、新入社員の非公式な学びへの影響が手薄だという論点を見つけ、「リモートワーク環境は、IT企業の新卒社員の非公式な学習機会とメンターシップにどう影響するか」という問いを立て、「対面と比べて非公式な学習機会が減り、定着意向も下がる」という仮説に落とし込む例が示されています。
実務では、漏斗を逆に回したほうが速いことがあります
会議で「DXをどうするか」から始めると、テーマのまま一時間が過ぎます。そこで順序を逆にします。先に仮の命題を一文で置くのです。「経理の請求処理は、半年で手間を半分にできる」。命題があると、何を調べれば白黒がつくかが決まります。どの工程に時間がかかっているのか、その工程は道具で短くなる種類のものか。こうした問いが、そのまま論点になります。テーマから始めると、何を調べても関係ありそうに見えるので、調べる範囲が決まりません。
「まずは幅広く情報を集めてから考えましょう」は、考えるのを先送りする最も礼儀正しい言い方です。集める基準がないので、集める作業に終わりがないからです。
ただし、逆回しには大きな危うさがあります。命題が先にあると、人はそれを支える情報ばかり集めがちです。確証バイアスと呼ばれる傾向です。だから逆回しは、壊す問いとセットでなければ使えません。この命題が間違っているとしたら、どんな事実が観察されるはずか。その事実を探すことを、支える材料を探すのと同じ熱心さで義務にします。
逆回しが向かない場面もあります。研究で新しい知見を出したいときに漏斗を逆に回すと、すでに思いついている命題の範囲から出られません。新しい論点は、命題を持たずに先行研究の地図を描いたときに見つかることが多いからです。逆回しが速いのは、決めるべきことと期日がある実務の判断の場面です。どちらの順序がよいかは、目的が発見なのか決定なのかで変わり、一つに決めることはできません。
AIには、命題を支える材料と同じだけ、壊す材料を探させます
AIは、この往復の壁打ち相手として役に立ちます。テーマを渡して論点の候補を挙げさせる。問いを、具体性や実行可能性の物差しで点検させる。そして命題を渡して、反証の材料を探させる。
AIは頼めば、あなたの命題を支える材料を喜んで集めてきます。頼まなければ、反対側の材料は集めません。依頼の向きに沿って答えるからです。
次の命題が間違っているとしたら、どんな事実が観察されるはずかを挙げ、それぞれの事実を確かめる方法を示してください。命題：経理の請求処理は、半年で手間を半分にできる。
どの論点を選ぶか、どの答えで動くかは、目的と責任を持つ人が決めます。AIが出す反証の候補は、壊すべき場所の当たりをつけるためのものです。
あなたのチームでいま議論しているテーマに、仮の命題を一文で置くとしたら何になりますか。その命題を壊す事実が見つかったとき、チームはそれを歓迎できるでしょうか。
この記事の背景にある考え方は、拙著『ChatGPT はじめてのプロンプトエンジニアリング』の4章2節「3つの推論パターン: 演繹・帰納・仮説検証」に書きました。仮説を立てて検証する推論をAIで再現し、出てきた結論にあえて反論させる追加指示の例として「上記の結論を覆す反例を示してください」を挙げています。この節を読むと、自分の立てた命題を、支える材料と同じ熱心さで壊しにいく問いを、自分で組み立てられるようになります。
AIの答えが物足りないとき、疑うべきはAIか、自分の言葉か。
『ChatGPT はじめてのプロンプトエンジニアリング』
AIは言葉でしか動かない。プロンプトを暗記するのをやめ、構成要素に分解して、自分の言葉で意図を込める力を鍛える本です。
読み終えたとき、手元に残るもの
- 必須、任意、形式の三つに分けたプロンプトの構造
- 回答の質を変える、意図を込めた生きたプロンプト
- 発注と検収は人が担う、AIとの役割分担
- 章末の演習プロンプト26題
4刷重版。全国の大学図書館65館が所蔵しています（2026年10月時点）。