まとめ
明確な[method]と明瞭な結果は、出版可能な研究の基盤です。 あなたの方法論セクションはデザインを明示し正当化し、サンプリングと材料を定義し、手順を段階的に指定し、妥当性、信頼性、倫理をどのように確保したかを説明すべきです。図表は文章より速く伝わる場合にのみ使用し、独立した説明文を付けて作成してください。
結果はミステリー小説ではありません。 研究の質問や仮説を反映した論理的な構成で提示してください。主要な結果を先に示し、次に二次的な発見や堅牢性の検証を示します。簡潔な説明とよくラベル付けされた表や図を組み合わせてください。定量的研究では、効果量、不確実性（信頼区間）、正確なp値、および多重性制御を報告してください。定性的研究では、透明なコーディング、詳細な記述、テーマに関連付けられた慎重に選ばれた引用を用いて信頼できるパターンを示してください。
結論： なぜを正当化し、どのようにを記録し、何をを正確に報告してください。査読者の視点で考えてみましょう：別の研究者があなたの書いた内容と付録だけであなたの[method]を再現し、同じ結果に到達できますか？ もしそうなら、提出の準備ができています。
📖 フルレングス (クリックで折りたたむ)
学術執筆における[method]の記述と結果の報告
研究課題を紹介し文献に位置づけた後、読者は迅速に2つのものを必要とします：証拠を生成した方法の信頼できる地図（[method]）と、発見したことの明確な説明（結果）。この記事は、編集者、査読者、将来の研究者が不要な詳細に悩まされることなくあなたの仕事を検証し再利用できるように、両方のセクションの書き方を示します。
1) 方法論セクションの目的
あなたの[method]は単に手順を列挙するだけでなく、なぜこのデザインがこれらの質問と制約に適しているのかを正当化しなければなりません。良い方法論セクションは5つの質問に答えます：
- デザイン： 全体的にどのようなアプローチを使用しましたか（実験的、準実験的、観察的、ケーススタディ、エスノグラフィー、調査、混合方法）？
- サンプリング： 誰／何が研究対象でしたか？ ケースはどのように選ばれましたか？ サンプルサイズとその根拠（検出力または飽和）は何ですか？
- 材料＆機器：どのツール、Measures、または機器を使用し、それらはどのように検証またはキャリブレーションされたか？
- 手順：何が正確に起こり、どの順序で、どのような条件下で行われたか？
- 品質＆倫理：妥当性／信頼性または信憑性／依存性をどのように確保し、どのような承認や安全対策があったか？
2) 含めるべきもの（および場所）
| コンポーネント | 本文に含める | 付録／リポジトリに配置 |
|---|---|---|
| デザイン＆根拠 | はい—引用付きの簡潔な2～4段落 | なし |
| サンプリング＆パワー／飽和 | 適格性、募集、n、パワー計算または飽和ロジック | 完全なフローダイアグラム；募集資料 |
| Measures/instruments | 名前、構成、信頼性／妥当性；キャリブレーション | 項目リスト；スコアリングルール；生データ仕様 |
| 手順／プロトコル | シーケンス、タイミング、ランダム化／マスキング／ブラインディング | 完全なプロトコル；事前登録；コード |
| 分析計画 | 主要／副次的アウトカム；モデル；仮定 | 代替仕様；導出；診断コード |
| 倫理およびデータ | 承認；同意；データ／コードの利用可能性に関する声明 | 匿名化データセットまたは合成データ；リポジトリリンク |
3) デザインと根拠の記述
デザインを名指しし、それを研究課題や仮説に結びつける簡潔な段落で始めてください。
モデル文：「我々はprospective cohort designを用いて、exposure Xとoutcome Yの関連を推定しました。これはethical/logistical constraintsのためランダム化試験より選択され、propensity score weightingにより交絡を軽減しました。」
4) サンプリングとケース選択
- 母集団とフレームを定義し、包含／除外の[criteria]を示してください。
- サイズの説明： 定量的研究の場合は、検出力の仮定（効果量、アルファ、検出力）を報告してください。定性的研究の場合は、テーマの飽和をどのように判断したかを説明してください。
- フロー： 図を使って、接触 → 適格 → 同意 → 分析済みの流れを示してください。
5) 材料、機器、および[measure]
- 各[measure]/ツールの名称と、何を測定するか（構成概念）、どのように採点するか、および既知の信頼性／妥当性を述べてください。
- 機器／アッセイの場合：モデル／バージョン、校正スケジュール、および許容誤差／誤差を報告してください。
- 調査の場合：出典（適応項目か新規か）、試行調査、翻訳／逆翻訳の使用有無を示してください。
6) 手順と管理
出来事の順序を正確に説明してください。ランダム化が使用された場合は、unit、method（例：ブロック化、層別化）、およびallocation concealmentを明記してください。盲検化が行われた場合は、誰が盲検化され、どのように検証されたかを明確にしてください。観察研究デザインの場合は、交絡因子と欠損データの取り扱いを指定してください。実験室作業の場合は、複製、除外ルール、および環境管理を記録してください。
7) 分析計画と仮定
- 主要および副次的アウトカムを明確に定義してください。
- 使用したモデル（例：線形混合効果モデル、ロジスティック回帰、テーマコーディングフレームワーク）と確認した仮定を明示してください。
- 複数の仮説を検定する場合は、多重性制御を説明してください（例：Holm-Bonferroni、FDR）。
- 事前にロバストネス／感度分析を指定し、探索的作業は議論に取っておいてください。
8) 妥当性、信頼性、バイアス軽減
査読者はこれらのサインを探します:
- 内的妥当性: ランダム化／盲検、バランスチェック、操作チェック。
- 測定の妥当性／信頼性: 評定者間信頼性、クロンバックのアルファ、機器の校正。
- 外的妥当性: 代表性、文脈の制限、境界条件。
- バイアス制御: 事前登録、欠損データの処理、汚染チェック、反省的考察（質的研究）。
9) 本当に役立つ視覚資料
複雑さを圧縮するために視覚資料を使い、装飾のために使わないでください。
- 図: 装置の模式図、タイムライン、DAG、テーママップ。凡例は本文なしで図の内容が理解できるようにしてください。
- 表: 適格基準、変数定義、記述統計、モデル概要。重複は避けてください—表にある数値は本文で逐語的に繰り返さないでください。
結果の報告
結果は、表や図に基づく事実の叙述であるべきで、含意の議論ではありません（それは次のセクションに取っておきます）。構成は研究課題や仮説を反映し、読者が段落の意図を疑問に思わないようにしてください。
10) 結果の構成オプション
- 研究課題／仮説別: 確認的研究に最適です。各小節は1つのRQ/Hで、主要な結果を最初に示します。
- 時系列順: 時系列、段階を含む実験、または縦断的デザインに有用です。
- テーマ別：定性的作業で典型的。テーマは顕著さや概念的論理で順序付けられます。
- [method]ストリーム別：混合方法の場合、定量的結果と定性的結果を分けて、議論で統合してください。
11) 定量的結果の執筆
- 検定ではなく効果を先に：p値の前に効果量と不確実性（CI）を報告してください。
-
正確に：ジャーナルの方針がない限り、正確なp値を提供してください（例：
p = 0.013）。 - 分布を示す：歪んでいる場合は中央値/IQRを報告し、グループごとのNを含めてください。
- 分析ごとにモデルと共変量を一度だけ述べる。技術的詳細の繰り返しは避けてください。
モデル文：“対照と比較して、介入は平均テストスコアを6.2ポイント増加させた（95% CI 3.4–9.0; n=412; ベースライン、年齢、サイトで調整済み）；p = 0.001。”
12) 定性的結果の執筆
- テーマを明確に命名し、質問に結びつけてください。各テーマに簡潔な分析的定義を提供してください。
- 引用やフィールドノートによる証拠：鮮明で典型的な抜粋を選び、関連する場合は匿名化された話者の特徴を付記してください。
- パターンを示す：定性的な作業を疑似定量化に変えずに、普及率や変動を示してください。
- 監査証跡：コーディング手法、コーダー間チェック、反省的ノートを簡潔に述べる。完全なコードブックは付録に。
13) 表と図：査読者に印象を与えるマイクロコンベンション
- テキスト内で各ビジュアルを参照し（“see Fig. 2”）、読者に何を見るべきかを伝えてください（“Fig. 2 shows the sharp post-policy break”）。
- 図全体で一貫した単位、軸のスケール、および略語を使用してください。
- 過度の精度は避けてください（例：測定がそれ以上を必要としない限り、小数点以下2桁まで）。
- 脚注モデルの注釈、変数定義、および多重性調整は表の内にあります。
14) ロバストネス、感度、および否定的結果
脆弱性を積極的にテストすると信頼性が高まります。
- 頑健性：代替仕様、帯域幅、クラスタリングレベル、事前分布、除外ルール。
- 感度：影響診断、欠測データ手法、代替アウトカム定義。
- 否定的/無効結果：率直に述べ、謝罪せずに精度（CI）と検出力を強調。
15) よくある落とし穴（と修正）
- 方法の逸脱：結果に先に説明されていない新しい方法が含まれる。 修正： 方法の詳細を方法論に移し、相互参照。
- 重複：すべての表のセルを文章で繰り返す。 修正： パターンを要約し、読者を表に誘導。
- 過剰解釈：記述的または弱く特定されたデザインから因果関係を示唆。 修正： 主張を限定し、メカニズムの推測は考察に移す。
- Pハッキングの見た目：多くの検定で多重性制御なし。 修正： 事前指定とFWER/FDRの制御；探索的解析を明示。
- 不透明な図：ラベルなし軸、小さなフォント、あいまいな色。 修正： 読者優先のエルゴノミクスで再設計。
16) 適応可能なミニテンプレート
方法—設計とサンプル：
“24校（介入12校、対照12校）でクラスター無作為化試験を実施しました。適格性は[criteria]を要件としました。地区別層別化されたブロックサイズ4で無作為化し、割り当ては[method]で秘匿されました。パワー分析によりα=0.05（80%パワー）でΔ=…を検出するためにn=…が示されました。”
方法—分析計画：
“主要アウトカムは[measure]でした。ベースラインスコア、学年、地区の固定効果と学校のランダム切片を用いた線形混合モデルで意図治療効果を推定しました。残差診断で仮定を評価し、副次アウトカムのFDRを5%で制御しました。”
結果—主要アウトカム：
“介入校の学生は対照校より6.2ポイント高いスコアを記録しました（95% CI 3.4–9.0; n=412; p = 0.001）。効果は学年を通じて一貫していました（交互作用 p = 0.41）。モデル係数は表2、調整平均は図1を参照してください。”
結果—質的テーマ：
“テーマA：リソースの摩擦。 参加者は採用を制約する慢性的な不足を述べました（「4人で1台のデバイスを共有している」—教師、農村部）。説明は態度よりもスケジューリングのボトルネックに摩擦を結びつけており、デバイスアクセスと利用率の定量的関連（表3）と一致しています。”
17) 混合手法の統合
量的および質的の両方のストランドを使用した場合は、それぞれを明確に報告し、その後明示的に統合する。
- Discussionで織り交ぜる段落を使う：収束、補完性、または発散を示す。
- 相互参照：「摂取への量的効果（Table 2）は報告されたスケジューリングの障壁（Theme A）によって説明される。」
18) 再現性と透明性
- Availability statements: データとコードの所在（またはアクセス制限の理由）およびライセンスを読者に伝える。
-
Versioning: ソフトウェアとパッケージのバージョンを引用し、リポジトリに
sessionInfo()または環境ファイルを含める。 -
Readme: ステップバイステップの再現スクリプトを提供する（例：
00_clean → 01_analyze → 02_tables_figures）。
19) 提出前の簡潔なチェックリスト
- デザインは名前が付けられ正当化されており、方法はテキスト＋付録から再現可能である。
- サンプリング、適格性、およびnが報告され、検出力／飽和が考慮されている。
- すべての測定器具は信頼性／妥当性が定義され、機器は校正されている。
- ランダム化／マスキングおよび割り当ての隠蔽（該当する場合）が記述されている。
- 主要／副次的アウトカムが宣言され、分析計画と仮定が明記されている。
- 倫理承認と同意が含まれ、データ／コードの利用可能性が明記されている。
- Tables/figuresは最初に作成される；凡例は独立している；本文中に重複なし。
- 量的結果には効果量、信頼区間、正確なp値が含まれ、多重性が処理されている。
- 質的結果には、名前付きテーマ、引用、およびコーディングの透明性が含まれる。
- 堅牢性／感度分析および否定的結果は謝罪なしに報告される。
結論
説得力のある論文は、あなたが行ったことを簡単に信頼でき、あなたが見つけたことを理解しやすくします。方法は簡潔かつ完全に保ち、手順に沿った正当化を添えてください。結果は、簡潔なナラティブと正直でよく構築されたビジュアルを通じて表現される、あなたの質問の論理に従うようにしましょう。もし査読者があなたのテキストと付録から研究を再実行でき、結果がクリフハンガーではなく明確な答えのように読めるなら、あなたは編集者が求める専門的な基準を達成しています。
