評価コンパスEvalCompass
データ収集質的調査事例選定分析的一般化複数事例Yin

ケーススタディ

Case Study
別名: 事例研究、ケース分析、事例調査

限定された事例を複数の方法・データ源で深く調べ、文脈の中で「なぜ・どのように」を解明するリサーチデザイン。ロバート・Yin の設計論を基盤に、単一・複数事例の選定と分析的一般化で評価知見を導く。

難易度 上級 ●●●費用 中 ●●●期間 設計2〜4週間、データ収集（事例あたり）1〜4週間、分析3〜6週間
ケーススタディ設計シートを開く →

概要

ケーススタディ（Case Study）は、現実の文脈の中で現象を深く調べるリサーチデザインであり、単一または複数の事例について複数のデータ源（インタビュー・観察・文書・視聴覚資料）を組み合わせて分析する。ロバート・Yin（Robert K. Yin）が著書『Case Study Research: Design and Methods』（1984年初版、第6版2018年）でその設計論を体系化し、評価・組織研究・政策研究の分野で広く参照されている。

Yin の設計論では、事例の選定戦略が核心となる。代表的事例（Typical Case）・典型的成功事例・批判的事例（Critical Case）・逸脱事例（Deviant Case）・最大多様性事例（Maximum Variation Case）などの選定基準を目的に応じて使い分ける。分析結果は統計的一般化（Statistical Generalization）ではなく、理論・命題への照合による「分析的一般化（Analytical Generalization）」として提示される。評価においては、プログラムの実施文脈・変化のメカニズム・予期しない成果の解明に特に強みを持つ。

✓ こんな時に使う

  • 「なぜ成果が出たか・出なかったか」というプロセスと文脈を解明したい
  • 複数の実施地域・組織間で成功事例と失敗事例を比較したい
  • 統計的調査では捉えにくい複雑な変化のメカニズムを追跡したい
  • 革新的プログラムや前例のない取り組みを深く文書化したい

✕ 向かない場面

  • 大規模な量的傾向の把握が主目的の場合 — サーベイや既存統計が適する
  • 統計的代表性が求められる場合 — ケーススタディは分析的一般化であり統計的一般化ではない
  • 時間・予算が極めて限られている場合 — 複数の方法によるデータ収集に相応の資源を要する

実施手順

  1. リサーチクエスチョンとデザインの確定
    「なぜ」「どのように」という問いに対応させてケーススタディを選択する。事例の定義（単位：個人・組織・プロジェクト・地域）と事例数（単一 vs 複数）、ケース内の分析単位（Embedded Units）を設計する。
  2. 事例選定戦略の決定
    評価目的に応じた選定戦略を明確にする。典型的事例（通常の実施例）、批判的事例（理論的に重要）、逸脱事例（予期しない結果）、最大多様性事例（多様な文脈をカバー）などの戦略を文書化する。
  3. データ収集プロトコルの設計
    ケーススタディプロトコル（Case Study Protocol）を作成する。各事例で収集するデータ源の種類（インタビュー・観察・文書・アーカイブ）、収集手順、担当者を明記する。プロトコルは複数の調査者で共有し、一貫性を確保する。
  4. データの収集（複数ソース）
    各事例について、インタビュー・観察・文書レビュー・その他データを並行して収集する。データはケースデータベース（Case Database）に体系的に保管し、生データとメモを分けて管理する。
  5. 単一事例の分析
    各事例の証拠を統合し、評価クエスチョンに対する当該事例の「ケースサマリー」を作成する。事実・解釈・証拠の出所を明確に分け、事例内での一貫性と矛盾を記録する。
  6. 複数事例の比較分析（複数事例設計の場合）
    事例間の共通パターンと差異を体系的に比較する（Cross-Case Analysis）。「複数事例で繰り返し観察されるパターン」を分析的一般化の根拠とし、文脈の違いが結果に与えた影響を考察する。
  7. 結論の提示と分析的一般化
    研究結果を理論・命題と照合し、ケーススタディを超えた示唆（分析的一般化）を慎重に提示する。事例の選定戦略・分析プロセス・限界を報告書に透明に開示する。

長所と限界

長所

  • 文脈の中で「なぜ・どのように」を解明する説明力が高い
  • 量的手法では見えないプロセス・メカニズム・複雑な変化を記述できる
  • 複数のデータ源による三角測量で内的妥当性を高められる
  • 豊富な記述が報告書での事例紹介・教訓の伝達に直接使える

限界

  • 事例の選定が偏ると分析的一般化の根拠が弱くなる
  • 複数の方法・大量データの分析に時間とスキルを要する
  • 統計的代表性がなく、「たまたまその事例がそうだった」という反論を受けやすい
  • 研究者の解釈バイアスが入りやすく、分析プロセスの透明な記述が重要

⚠ よくある落とし穴

  • 「便利だから」という理由で事例を選び、選定理由を文書化しない — 選定戦略の明示が分析的一般化の信頼性を左右する
  • インタビューだけで「ケーススタディ」と称する — 複数のデータ源（少なくとも文書+インタビュー）を組み合わせることがケーススタディの要件
  • ケースサマリーを「物語の記述」で終わらせる — 評価クエスチョンへの回答として構造化し、証拠を明示する