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

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）¶

Introductionでは、個々の先行研究をただ並べるのではなく、テーマごとに統合（synthesize）して議論する必要があります。（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]