3.2 イントロ・背景の執筆¶

このページで学ぶこと

Introductionの生成ワークフロー（日本語骨格→英語化→構造確認→洗練）
先行研究整理を支援するAIツールの活用と限界
先行研究の要約と統合（synthesis）の技法
ギャップの説得力を高める方法
リサーチクエスチョン（RQ）の英語表現
Introductionの長さの調整
生成結果の評価と修正

このページの位置づけ

Introductionの構成要素（漏斗型の流れ）とCARSモデルの3つのムーブについては 2.1 IMRaD構成パターンと 2.2 コーパスを用いた定型表現の確認で解説しています。本ページでは、それらの知識を前提に、AIを使ってIntroductionを実際に書き上げるワークフローを扱います。

Introductionの生成ワークフロー¶

Introduction の生成は、2.2 CARSモデルの3つのムーブに対応させながら進めると、構造が明確になります。

ワークフローのステップ	対応するCARSムーブ	作業内容
ステップ1: 日本語で骨格を作る	Move 1〜3 すべて	4要素を日本語で1〜2文ずつ
ステップ2: AIに英語化を依頼する	—	骨格を学術英語の段落に変換
ステップ3: 構造を確認させる	Move 1〜3 の充足確認	4要素の有無と順序をチェック
ステップ4: ギャップの説得力を強化する	Move 2 の深化	ギャップの具体性と論理的接続
ステップ5: 先行研究を統合する	Move 1〜2 の精緻化	個別列挙→統合的記述

以下、各ステップを順に解説します。

先行研究の整理を支援するAIツール¶

ステップ1（日本語骨格の作成）に入る前に、関連する先行研究を効率的に整理しておくことが重要です。ここでは、その工程を支援するツールを紹介します。

NotebookLM による文献の読解・要約¶

Googleの NotebookLM は、複数のPDF論文やファイルをソースとしてアップロードし、それらに対してチャット形式で質問・要約・比較ができるツールです。

さらに、Slide Deck（スライド）の自動生成に加えて、Data Tables（比較表）や、ナレーション付きの動画（Video Overviews）、音声解説（Audio Overviews）も作成できます。文献整理を効率化したいときに便利です。

NotebookLM の活用例

複数の論文を読み込ませ、「What are the benefits of using ChatGPT for language learning and teaching?」のように横断的な質問をする
共通するテーマや繰り返し登場する主張を抽出する（パターン認識）
先行研究で未解明な領域（ギャップ）を特定する
[研究以外でも] 大学や学会の規定文書を読み込ませて、ガイドラインの要点を確認する

NotebookLMは以下のように回答にソース番号を付与するため、どの論文に基づく情報かを追跡しやすい点が特徴です。

PDF ThemeSort：論文のテーマ別分類¶

PDF ThemeSort は、複数のPDF論文をテーマ別に自動分類するツールです。

AIが自動でテーマを決定する方法と、ユーザーがテーマを指定する方法の2種類を選択可能
高速モードと高品質モードを切り替え可能
Literature Reviewの構造を考える際に、どの論文をどのテーマで議論するかの見通しを立てるのに有効
Gemini APIを利用（APIキーが必要）

BiblioSeek：PDF文書の解析・検索・要約¶

BiblioSeek は、複数のPDF論文をアップロードし、AIを用いて文書の解析・検索・要約を行うウェブアプリです。

日本語・英語の切り替えに対応
アップロードしたPDF群に対して横断的に検索・質問が可能
Gemini APIを利用（APIキーが必要）

PDF ThemeSort と BiblioSeek の使い分け

使い分けの感覚としては、Literature Review の構造を組む前段で「まず論文群を束ねて整理したい。フォルダも分けたい」という場合には ThemeSort が強みを発揮します。

一方、ある程度集めた PDF 群に対して、「この概念はどこでどのように定義されているか」「比較結果は何か」といった点を、横断検索や質問応答で掘り下げたい場合には BiblioSeek が向いています。

その他の関連ツール¶

Attention: 自由記述のテキストデータからテーマを抽出・分析するAI駆動型ツール。研究の背景や動機を整理する際の補助として使える
PDF自動リネームツール: 論文PDFのDOIを検出し、「著者 – 年 – タイトル.pdf」形式で自動リネームするユーティリティツール

AIツールの限界を理解する¶

これらのツールは文献整理の効率を大幅に向上させますが、以下の限界を常に意識してください。

できること	できないこと・注意が必要なこと
論文の要約・比較	要約の正確性の保証（必ず原文で確認）
テーマごとの分類	分類基準の妥当性の判断（研究者の専門知識が必要）
ギャップの候補の提示	ギャップの学術的重要性の評価（分野の文脈を知る必要がある）
パターンの抽出	見落としている重要な論文の発見（網羅的な検索は別途必要）

論文検索には専用ツールを使う

ChatGPT などの汎用生成AIで論文検索を行うと、アクセス可能な論文が優先されてしまったり（ハゲタカ・ジャーナル［粗悪学術誌］を含む）、Literature Review に必要な「深さ」が不足したり、架空の文献情報が生成されたりすることがあります。

論文検索には、（ソースの提示が可能な）有料版モデルや、Perplexity、Elicit、Consensus などの専用ツールを併用することを推奨します。

なお、2026年2月には Google Scholar に "Scholar Labs" という機能が追加され、生成AIによる論文検索が可能になりました。これはかなり期待できると思います。

ツール	用途	URL	備考
Perplexity	AI検索エンジン	https://www.perplexity.ai	出典付きの回答
Elicit	AI活用の論文検索・要約	https://elicit.org	研究質問から文献を検索
Consensus	学術論文のエビデンス検索	https://consensus.app	Yes/Noの回答形式で知見を整理
SciSpace	論文読解支援・文献探索（PDF対話）	https://scispace.com/	PDFに質問して引用付きで要点確認
Connected Papers	関連論文の可視化	https://www.connectedpapers.com	視覚的な文献マップ
Research Rabbit	文献のレコメンデーション	https://www.researchrabbit.ai	Zotero連携あり
PaperDive	文献のレコメンデーション	https://www.paperdive.app/	AIによる1行要約付きで次に読むべき論文がわかる

論文検索ツールの使い分け（目的別）

広く候補を集める（キーワード起点）: Google Scholar（まず基礎となる文献を見つける）
関連研究を芋づる式に発見する（引用ネットワーク）: Connected Papers / Research Rabbit
※「核となる数本（seed papers）」があると強い
論文の要点を素早く把握する（根拠つき要約）: Consensus（回答に出典が付く設計）
表で整理して“深掘り”する（比較・抽出）: Elicit（複数論文から情報抽出テーブルを作る）

※注意: どのツールも取りこぼしと誤要約があり得るので、最終的な判断は必ず原文（抄録・本文・方法）で確認する

参考：文献レビューの進め方¶

AIツールは文献整理を効率化しますが、文献レビューそのものには体系的なプロセスがあります。Boston College Libraries のガイドでは、文献レビューを以下の6段階として整理しています。

段階	やること（ひとことで）	出典（該当ページ）
1. 範囲を決める	何を扱い、何を扱わないかを決める	Scope of Review
2. 探す	データベース等で文献を集める	Finding Information
3. 記録する	引用情報と要点を、後で使える形で残す	Recording Information
4. 評価する	研究の強み・弱み、根拠、限界を確認する	Evaluating Information
5. 整理する	テーマ別などで並べ直し、構造を作る	Organizing the Review
6. 書く	流れとギャップが伝わるように文章にする	Writing the Literature Review

文献レビューは、集めた研究をただ要約して並べるのではなく、研究の流れと「まだ足りない点（ギャップ）」が読者に伝わる形にまとめる作業であると考えるとよいでしょう。

この作業こそが、AIによる文献検索との大きな違いを生みます。 AIによる検索は、オープンアクセスの文献を中心に浅く広く拾う傾向があり、その結果をそのまま Literature Review として使えるレベルには達していません。ここでひと手間かけて体系的に整理するかどうかが、論文に深みをもたせられるかどうかを左右すると言っても過言ではないでしょう。

以下のスライドでは、文献レビューを「トピック探索→検索・収集→保管・整理→分析・統合→執筆」という一連のプロセス（CLR: Comprehensive Literature Review Process）として捉え、各段階で活用できるツール（文献管理ソフト、CAQDAS、アウトライナー等）と、情報の統合にはコーディングとカテゴリ化が鍵であることを解説しています。万人に共通する唯一の方法があるわけではないため、さまざまな整理法をストラテジーとして試しながら、自分に合ったやり方を見つけていくことが大切です。

← → キーでスライド操作 📎 全画面で表示する

文献整理からIntroduction執筆への流れ

PDF ThemeSort で収集した論文をテーマ別に分類する
BiblioSeek や NotebookLM で各テーマの要点を横断的に把握する
テーマごとの要点を日本語でメモにまとめる
そのメモをもとに、下記のステップ1〜5でIntroductionを生成する

ステップ1: 日本語で骨格を作る¶

CARSモデルの3ムーブに対応する以下の4点を、日本語で1〜2文ずつ書きます。

要素	対応するCARSムーブ	書く内容
この分野で何が重要か	Move 1: 研究領域の確立	研究分野の社会的・学術的重要性
先行研究で何がわかっているか	Move 1: 研究領域の確立	主要な知見の概観
何がまだ不明か（ギャップ）	Move 2: ニッチの確立	先行研究の課題・未解明の点
本研究は何をするか	Move 3: ニッチの占拠	研究の目的・アプローチ

骨格の段階で具体的に書く

この段階で「語彙学習は重要である」のような一般論にとどめると、英語化の後も抽象的なままになります。「日本人大学生の受容語彙サイズと産出語彙サイズの乖離」のように、自分の研究に固有の情報を含めてください。

日本語骨格の具体例¶

以下は、応用言語学分野の研究を想定した骨格の例です。

(1) 重要性: 語彙知識は第二言語の読解力・聴解力と強く関連しており、
    語彙習得研究は応用言語学の中心的なテーマの一つである。
(2) 先行研究: これまでの研究では、語彙サイズテスト（VST）を用いて
    受容語彙サイズを測定する研究が多く蓄積されている。
(3) ギャップ: しかし、受容語彙と産出語彙の乖離がどの習熟度段階で
    顕著になるかについては、十分に検討されていない。
(4) 本研究: 本研究は、日本人大学生200名を対象に、受容・産出語彙サイズの
    関係を習熟度別に分析する。

ステップ2: AIに英語化を依頼する¶

以下の日本語は、英語論文のIntroductionの骨格です。
この流れを維持したまま、自然な学術英語の段落にしてください。
- 主語を短く、動詞を早めに出す文体で
- 適切なヘッジ表現を含めて
- 新しい主張や事実は追加しないでください
- 具体的な文献引用（著者名、年）は入れないでください

[ここに日本語の骨格]

文献情報に注意

AIが勝手に「Smith (2020)」のような架空の引用を挿入することがあります。プロンプトで明示的に禁止するか、生成後に必ず確認してください。実際の引用は、自分で先行研究を確認したうえで手動で追加します。

ステップ3: 構造を確認させる¶

以下のIntroductionが、(1) 分野の重要性、(2) 先行研究の概観、
(3) ギャップの指摘、(4) 本研究の目的 の4要素をこの順番で含んでいるか
確認してください。欠けている要素や順序の問題があれば指摘してください。
内容の追加は不要です。

[ここにIntroduction]

ステップ4: ギャップの説得力を強化する¶

Introductionで最も重要なのは「なぜこの研究が必要なのか」を読者に納得させることです。ギャップの提示が弱いと、論文全体の意義が揺らぎます。

よくあるギャップの弱さのパターン¶

弱いギャップの書き方	なぜ弱いか	改善の方向
Few studies have examined X.	「少ない」だけでは研究の必要性が伝わらない	X を調べることで何がわかるのか、なぜ重要なのかを加える
More research is needed.	あらゆる研究に当てはまる万能フレーズ	何についての研究が、なぜ必要なのかを具体化する
This area is under-researched.	研究されていない＝重要とは限らない	研究されていないことの結果として何が問題かを示す

プロンプト例：ギャップの説得力チェック

以下のIntroductionで、先行研究のギャップを指摘している部分を
特定してください。そのうえで、以下の観点で評価してください。

(1) ギャップは具体的か（「あまり研究されていない」だけでなく、
    何が・なぜ不足しているかが明確か）
(2) ギャップと本研究の目的が論理的につながっているか
(3) 読者が「確かにこの研究は必要だ」と思えるか

改善が必要な場合は、方向性のみ示してください（書き直しは不要）。

[ここにIntroduction]

ステップ5: 先行研究の統合（Synthesis）¶

「参考：文献レビューの進め方」で確認したように、文献レビューでは情報の統合が鍵になります。ここでは、整理した先行研究をIntroductionの中でどのような英文として表現するか、具体的な書き方を見ていきます。（参考：「劣等戦隊・先行研究羅列マン」にご用心!?）

個別列挙 vs. 統合¶

書き方	例	評価
個別列挙型（避けるべき）	Smith (2020) found X. Jones (2021) found Y. Lee (2022) found Z.	×：読者が自分で関連を読み取る必要がある
統合型（推奨）	Several studies have found that X is related to Y (Smith, 2020; Jones, 2021), although the effect may depend on Z (Lee, 2022).	○：著者がテーマに沿って整理している

個別列挙型は、2.2 のReporting Verbs で触れた said / found の単調な繰り返しにもつながりやすいため、意識して避けてください。

プロンプト例：個別列挙を統合に変換する

以下のIntroductionの一部は、先行研究を1本ずつ個別に紹介しています。
これを、テーマや知見の共通点・相違点に基づいて統合的に記述する形に
書き直してください。

条件:
- 文献引用（著者名、年）はそのまま維持する
- 新しい文献や主張は追加しない
- テーマの切り替わりがわかるように接続表現を使う
- 統合した結果、ギャップが自然に浮かび上がるようにする

[ここに個別列挙型の文章]

先行研究を整理する枠組み¶

複数の先行研究を統合するための前段階として、以下の枠組みで日本語メモを作っておくと、統合的なIntroductionが書きやすくなります。

プロンプト例：先行研究の整理支援

以下の論文5本の要約を読み、次の枠組みに沿って整理してください。
(1) 共通テーマ: この一群の研究が扱っている共通の問い
(2) 一致する知見: 研究間で一致している結論
(3) 研究間の不一致: 結果が異なる点や論争
(4) 方法論の傾向: 多くの研究で使われている手法
(5) 残されたギャップ: まだ検討されていない問い・対象・方法

各項目は日本語で、箇条書きで。
ギャップについては、そこから導かれるリサーチクエスチョンの候補も
1〜2つ提案してください。

[ここに各論文の要約を貼り付け]

リサーチクエスチョン（RQ）の英語表現¶

Introductionの最後にリサーチクエスチョン（RQ）を明示する場合、英語の定型表現を知っておくと便利です。

RQの導入表現¶

パターン	例
直接提示	The following research questions guided this study:
目的から導く	To address this gap, the present study investigated the following research questions:
仮説として提示	Based on the literature, the following hypotheses were formulated:

RQの書き方のポイント¶

RQは疑問文で書く（To what extent does X affect Y?）
仮説は平叙文で書く（It was hypothesized that X would significantly affect Y.）
変数は具体的に記述する（「学習」ではなく「語彙テストの成績」のように）
測定可能・検証可能な形にする

プロンプト例：RQの英語表現チェック

以下のリサーチクエスチョンについて、学術英語として適切か点検してください。

確認項目:
(1) 疑問文の形式が正しいか（文法、語順）
(2) 変数が具体的に記述されているか
(3) 実証的に検証可能な問いになっているか
(4) Introductionで提示したギャップと対応しているか

改善が必要な場合は、修正案を1つ提示してください。

リサーチクエスチョン:
[ここにRQ]

Introductionで提示したギャップ（要約）:
[ギャップの要約]

Introductionの長さの調整¶

2.1 で示したように、Introductionは論文全体の約20〜25%（6,000語論文で1,200〜1,500語）が目安です。AI生成の文章は短すぎたり長すぎたりする場合があるため、長さの調整が必要になることがあります。

短すぎる場合¶

AIが生成したIntroductionが短い場合、多くの場合は先行研究の概観が不足しています。以下を確認してください。

Move 1（研究領域の確立）に十分な背景情報があるか
先行研究が統合的に記述されているか（個別列挙だと短くなりがち）
ギャップの説明に具体性があるか

プロンプト例：Introductionの補強箇所の特定

以下のIntroductionは約600語で、目標は1,200〜1,500語です。
現在の内容を維持したまま、補強すべき箇所を特定してください。

各箇所について:
- どのムーブ（Move 1/2/3）に該当するか
- 何についての記述を追加すべきか（具体的なトピック）
- 目安の追加語数

英文の追記は不要です。指示のみお願いします。

[ここにIntroduction]

長すぎる場合¶

一方で、AIが冗長な文章を生成したり、先行研究を詳述しすぎて長くなる場合もあります。

プロンプト例：Introductionの圧縮

以下のIntroductionは約2,000語で、1,200〜1,500語に圧縮したいです。
削除または圧縮できる箇所を優先度順に指摘してください。

判断基準:
- リサーチクエスチョンに直結しない背景説明は圧縮候補
- 同じ主張を異なる表現で繰り返している箇所は統合候補
- 過度に一般的な導入文は削除候補

削除・圧縮の指示のみ。書き直しは不要です。

[ここにIntroduction]

生成結果の評価と修正¶

AIが生成したIntroductionは、以下の観点で評価します。

観点	確認内容	よくある問題
内容の正確性	自分が伝えたい内容と一致しているか	AIが「もっともらしい主張」を勝手に追加している
論理の流れ	漏斗型の構成が保たれているか	Move 2（ギャップ）が突然現れ、Move 1との接続が弱い
具体性	抽象的すぎないか	「近年注目されている」のような一般論で終わっている
ギャップの明確さ	「なぜこの研究が必要か」が伝わるか	ギャップと研究目的の論理的接続が不明確
文献引用の正当性	架空の引用が含まれていないか	AIが存在しない著者名・年を挿入している

AIの出力が抽象的すぎる場合

AIはしばしば「一般的にもっともらしいが、具体性に欠ける」文章を生成します。自分の研究の具体的なデータ、対象、手法を追記して、固有性を高めてください。

プロンプト例：生成されたIntroductionの具体性を上げる

以下のIntroductionは、全体的に抽象的で一般論にとどまっています。
私の研究に固有の情報を追加すべき箇所を特定し、
「ここに何を書くべきか」を具体的に指示してください（例：対象者の特徴、
データの規模、分野固有の技術名など）。

英文の修正・追記は不要です。指示のみお願いします。

研究の概要（日本語）:
[研究の具体的な内容を日本語で記述]

Introduction:
[ここにAIが生成したIntroduction]