Twelve tips for using Pattern Matching in data analysis for qualitative medical education research
Petramay Attard CortisORCID Icon & Fiona MuirORCID Icon
Published online: 16 Jun 2021
Download citation https://doi.org/10.1080/0142159X.2021.1937587
https://www.tandfonline.com/doi/full/10.1080/0142159X.2021.1937587?af=R
概要
パターン・マッチング（PM:Pattern Matching）は、質的研究で用いられるデータ分析手法の一つである。本稿では、筆者が医学教育学修士論文でPMを使用した経験を例に、質的データの分析にPMを使用するためのステップバイステップのアプローチを概説する。この記事では、PMに必要な12のヒントを、PMを行う際の手順として紹介しています。
PMを厳密に適用することで、医学教育における質的研究の内的妥当性と移植性を高めることができます。また、明確なデータ解析プロトコルは、研究の信頼性を高めることができます。
パターンマッチング（PM）は、質的研究での使用が推奨されているデータ分析の手法です。これは「予測された理論的パターンと観察された経験的パターンの比較」を伴うものです。Johnson and Onwuegbuzie (2004)は、PMを用いることで、質的研究者は、データ収集の際に先験的に明確に打ち出されたデータ分析プロセスを用いることで、データセットからの再現が可能となり、研究の質と厳密さを高めることができると述べています。
臨床専門分野の医学教育研究者は、定量的な研究に最も精通しており、臨床現場で絶対的な知識を求めていると思われます。彼らは、質的研究の領域や、より一般的に使用されている構成主義や解釈主義のデザインに踏み込むことを躊躇するかもしれません。パターンマッチングは、実証主義的なアプローチと解釈主義的なアプローチの両方のバランスをとっています。そのため、質的研究を実証主義・実証後主義の観点からアプローチする医学教育研究者にとって最も有用であり、彼らの理論的スタンスに沿ったデータ分析方法を提供することができる。
Yin（2018）は、経験（観察）と予測（理論）のパターンが一致しているように見える場合、これは研究の内部妥当性を強化するためのデータ分析の証拠となり得ると述べている。PMでは、データ収集を開始する前に、理論的な命題、つまり予測される研究結果を作成する必要があります。これらの命題は、文献検索や研究者の経験から作成する必要がある。その後、手作業またはコンピュータソフトウェアを使用して、研究結果と比較します。
この論文では、医学教育研究における質的データの分析にPMを使用するためのステップバイステップのアプローチを概説しています。推奨される12のヒントは、連続して使用するためのステップとして概説され、著者が修士論文に使用した経験から得た例を用いて説明されます。幾つかのヒントは他の形式の研究方法や手法にも通じるものがあるかもしれませんが、共通しているのは質の高い厳密な研究デザインとデータ分析技術の特徴であり、PMのデータ分析プロセスの一部でもあるということです。
ヒント1 PMがあなたとあなたの研究に適した手法であるかどうかを評価する
他のデータ分析手法と同様に、PMが研究者と実施される研究に適しているかどうかを研究者が評価することが重要です。PM の選択は、研究者の理論的レンズ、オントロジー、エピステモロジー、および選択した研究方法との整合性が必要です。もし、医学教育の質的研究が実証主義とポスト実証主義の理論的レンズからアプローチされているならば、PMは整合性のあるデータ分析方法となります。批判的理論や構成主義の理論的レンズを用いて行われる研究では、構成主義や解釈主義のスタンスが必要となるため、PMはあまり適していないかもしれません。
方法論とデータ分析手法の整合性を考える場合、PMは特にケーススタディ研究に推奨されています。しかし、一般的な質的研究において主観性を減らし、厳密性を高める戦略としても提案されています。質的医学教育研究におけるPMの使用を説明したYouTubeMTの講義は、このリンクで見ることができます： https://www.youtube.com/watch?v=lxrtmCnwjiM
ヒント2 代替手段を検討する
質的医学教育研究で使用できるデータ分析の方法は数多くありますが、よく使用される2つの方法はフレームワーク分析とグラウンデッド・セオリー分析です。
グラウンデッド・セオリーでは、データから浮かび上がるテーマを探し、それらを比較します。この分析方法では、データから何が見えてくるかという先入観を持たずに、オープンマインドで分析を行うことが求められます
PMでは、データ収集を開始する前に、理論的な命題を立てることが求められます。これにより、他の研究者がデータ分析プロセスを詳細に理解することができ、データ分析プロセスに厳しさが加わります。
フレームワーク分析は、テーマ別（質的内容）分析の手法としても提案されており、特に多分野の研究者が取り組むインタビューのトランスクリプトから得られる大量のデータに使用されています
筆者の経験では、PM は、初心者の研究者であっても、徹底した文献調査を行った後、研究課題の詳細な再検討プロセスを経て、細部まで厳密に作業することで、質的研究に適用することができます。
ヒント3 PMの実施を決定する
PMプロセスを十分に理解し、代替案を検討した上で、このデータ分析手法を実施するかどうかを決定します。この段階では、特定の研究のために従うべきPMプロセスの個人的なフローチャートを作成し、それを厳密に遵守する必要があります。
筆者は、www.draw.io にある Flowchart Maker and Online Diagram Software を使用しました。これは、Google アカウントを使用してログインすることで使用できる無料のソフトウェアで、ユーザーの Google ドライブに統合されています。
ヒント4 文献調査の実施
データ収集を開始する前に、PMプロセスで使用する理論的なPropositionsを開発する必要があります。最初のステップは、研究テーマに関する綿密な文献レビューです。これは、研究者が研究課題について現在知られていることを知るために重要です。
ヒント5 自分の経験を振り返る
PMでは、調査対象の状況に対する研究者の見方や理解が重要です。理論的な命題を作成するための準備過程において、研究者の経験に関する考察を含める必要があります。
ヒント6 命題の定義
文献調査から得られた知識と、研究者自身の経験についての考察を組み合わせることで、理論的な命題を立てることができます。PMプロセスの後のステップをスムーズに行うためには、これらが明確かつ簡潔に定義されていることが重要です。
ヒント7 データを収集する
理論的なPropositionsが開発されて確定したら、PMプロセスの厳密さを維持するために、これらを変更してはいけません。これで、研究のデータ収集段階を、定義された方法論と手法に従って開始することができます。
ヒント8 データのコード化
PMプロセスの次のステップは、得られたデータのコーディングと経験的（観察された）な知見の形成です。
コンピュータソフトウェアは、データのコーディングと整理を迅速かつ正確に行うことができるという利点がありますが、通常、使用には費用がかかり、トレーニングが必要です。
手作業は手間がかかるかもしれませんが、著者は、この方法でデータのコーディングと整理を行うことで、研究結果をより深く理解し、よりよく知ることができると考えました。コードとは何か、どのように使用するかについての説明は、YouTubeMTのビデオにあります：
ヒント9 データと命題のマッチング
PMアプローチの最も重要なステップは、先に定義した理論的命題（ヒント6）と経験的（観察された）研究結果を比較することです。この時点で、研究者はデータを分析して、観察された結果が予測された理論的命題と一致しているかどうかを確認する必要があります。
この照合は、データ収集を開始する前に定義されたすべての命題に対して行う必要があります。
ヒント10 一致性を評価する
理論的なパターンと観察されたパターンが一致することはポジティブな結果です。観察されたパターンが予測されたものと類似していれば、PMの使用は研究の内部妥当性を高めることになる
ヒント11 相違点を説明する
研究者が理論的命題と経験的発見との間に相違点を発見した場合、それらを考慮し、議論する必要があります。したがって、ヒント8で得られたコード化されたデータが、ヒント6で概説された1つ以上の命題を否定する証拠を示している場合、医学教育研究者はこれに対する説明を行う必要がある（Yin 2018）。このような状況では、パターンマッチングが行われなかった理由や条件は何だったのかを説明するために、再帰的なスタンスが重要になります。
ヒント12 調査結果の関連性と有用性を自分の文脈で議論する
最後に、PMのデータ分析プロセスとその結論（一致および／または不一致）は、研究課題と質的研究の文脈に照らして見る必要があります。データ分析とその結果の関連性と有用性を探り、議論する必要があります。適用した PM データ分析プロセスの長所と短所の概要を研究報告書に反映させ、報告する必要があります。
結論
医学教育研究のための質的データ分析ツールとしてのパターン・マッチングについて、わかりやすくステップ・バイ・ステップで説明しました。明確なデータ解析プロトコルは、研究の信頼性を高め、信頼されるものです。パターンマッチングは、質的医学教育研究の内的妥当性、再現性、移植性を高めることができます。
