次回配信予定
-
2026/10/11
AI時代に必要な「エビデンスとの付き合い方」を鍛えようぜ！#9『さて，AIの論文調査とどうつきあうか？』
-
2026/10/13
いま買えるビタミンC美容液、結局どれがいいの？データ重視で5本選んでみたぞ！
-
2026/10/15
AIを使って、AI時代に必須の「質問力」を育てようぜ！#3「1つの疑問を「比較」「原因」「条件」から広げようぜ！」
-
2026/10/17
AIを使って、AI時代に必須の「質問力」を育てようぜ！#4「曖昧な悩みを、調べられる質問に変えようぜ！」
-
2026/10/19
AI時代に必要な「エビデンスとの付き合い方」を鍛えようぜ！#10『健康ニュースを見たときに、とりあえずこれだけ確認すればいいんじゃない？』
AI時代に必要な「エビデンスとの付き合い方」を鍛えようぜ！#8『さて、論文をどう読むか？』
『「エビデンスとの付き合い方」を鍛えようぜ！』の続きです！(#1,#2,#3,#4,#5,#6,#7)
このシリーズでは、健康ニュースや論文紹介を鵜呑みにせず、研究を自分の生活に使うための読み方を学んでおります。言ってみりゃ、「研究を鵜呑みにしないスキルを身につけようぜ！」ってことですな。
で、今回は「具体的に論文をどう読むか？」って話を見てみましょう。
さて、ネットニュースで「研究によると○○だった！」みたいな話を見かけたとき、とりあえず元の論文を開いてみる人もいるでしょう（私は必ずそうしてます）。最近は、AIが論文を翻訳してくれるんで、元論文のPDFさえあれば、とりあえず内容は読めますからね。
しかし、そこで研究に慣れていない人は、「論文って、どこから読めばいいの？」みたいなとこでつまづくんじゃないでしょうか。一般的に、論文ってのは、抄録、序文、本論、結論みたいなパートに別れてまして、どこを読むべきか混乱しちゃったりするわけです。
まぁ、普通に考えれば、「とりあえず最初から最後まで読めばいいのでは？」って気がするわけですが、残念ながら、論文は最初から最後まで順番に読めば理解できるようには作られていなかったりします。というのも、いかに本論や結論をちゃんと読んだとしても、「研究者がそう解釈した」としかわからないことがよくあるんですよ。つまり、論文を読む際に大事なのは、「研究者が何を言っているか？」より、「研究者が何をやった結果、どんなデータが出たのか？」をつかむことであるわけです。
まぁ、日本で科学ニュースを書いてる人の中には、
- タイトルを読む
- 抄録を読む
- 最後に結論を見る
ぐらいで記事を書いちゃう人もいたりして、「こりゃあ本論を読んでないな！」と思っちゃうケースもよくありますが……。
そんなわけで今回は、論文の各パーツをどう読めばいいのか？を見ていきましょうー。
抄録は「読む価値があるか？」を判断する場所である
まずはAbstract（抄録）から。これは論文全体を短くまとめた部分でして、
AI時代に必要な「エビデンスとの付き合い方」を鍛えようぜ！#7『分析をたくさん試せば、そりゃたまには「当たり」が出るだろう』
『「エビデンスとの付き合い方」を鍛えようぜ！』の続きです！(#1,#2,#3,#4,#5,#6)
このシリーズでは、健康ニュースや論文紹介を鵜呑みにせず、研究を自分の生活に使うための読み方を学んでおります。言ってみりゃ、「研究を鵜呑みにしないスキルを身につけようぜ！」ってことですな。
で、今回は「なぜ科学の世界では『効いた！』という研究ばかり目につくのか？」って話を見てみましょう。
さて、世の中には面白い研究が日々発表されてまして、「○○で寿命が延びた！」とか「△△で頭が良くなった！」みたいな話を毎日のように見かけるわけです。かく言う私もこういう研究を紹介しまくってる人間なので、新しい論文を見つけるたびに「おお、これは面白い！」となるわけです。
が、ここでひとつ覚えておきたいのが、
- 科学の世界では、そもそも“面白い結果”のほうが世の中に出やすい
って問題です。前回も少し触れましたけど、研究ってのは、世の中に出てきた時点ですでに選別されてるものなんですよ。
もちろん、これは別に「研究者は信用ならん！」みたいな話ではなし。研究の世界には、なんの不正もなく普通に実験をしているだけでも、「効いた！」や「差があった！」という結果が出やすくなる仕組みがいくつか存在するもんですから。
そこで今回は、その代表的なパターンを見ていきましょうー。
「効かなかった研究」は表に出にくい問題
そこで、まず第一に押さえておきたいのが、出版バイアスの問題であります。これは、「効果があった」「差が出た」という研究ほど世の中に出やすく、「何も起きなかった」という研究ほど表に出にくいって問題のことで、おそらく研究の結果が実際よりも良く見えてしまう原因としては、最も代表的なもののひとつ。
具体例で見てみましょう。たとえば、世界中の研究者が「ブルーベリーを食べると記憶力が上がるのでは？」と思って、同じような実験を100回やったとします。その結果、
- 95件では特に差が出なかった
- 5件だけ記憶力が上がった
としましょう。本当はブルーベリーに何の効果がなくても、実験を何度も繰り返していれば、偶然「効いたように見える結果」が出ることはいくらでもありますからね。
この時に、「100回中95回は何も起きなかった」ってのを知っていたら、普通に「なんだ。やっぱブルーベリーが記憶力を上げるとは言えないじゃん」と思うはず。しかし、ここで問題になるのが、
- 研究者としては、時間をかけて論文を書くなら面白い結果をまとめたい！（そっちのほうが業績になるんで）
- 学術誌（研究者が論文を発表する専門雑誌）の編集者としては、「何も起きませんでした」って論文よりも、新しい発見がある論文を載せたくなる！（そっちのほうが雑誌が売れるんで）
って感情が働いちゃうところです。
となると、実際には100回中5回しか効果が出ていないのに、世の中で広まる研究は、ブルーベリーの効能を支持するものがメインになりまして、
- ブルーベリーには記憶力を高める研究が5本もある！
みたいな印象が生まれたりするんですな。どう考えても、「ブルーベリーで何も起きませんでした」という研究より、「記憶力がアップしました！」という研究のほうが面白いですからねぇ。
これはAIを使ったリサーチでも起きがちな罠でして、なんせAIってのは、基本的にユーザーの質問に沿った答えを探そうとするようにできてるじゃないですか。なので、「ブルーベリーが記憶力を高める研究を探して」と頼むと、当然ながら「効果あり」の研究がズラッと出てきて、「研究がこんなにあるなら本当なんだ！」という印象を受けやすくなるんですよ。ところが、その裏で「効果なし」の研究が何本あるかまでは、こちらから頼まないと十分に調べてもらえないこともあるんですよね。
これが出版バイアスの怖さで、新しいサプリや新しい心理テクニックなどについて「初めて効果が確認された！」みたいな論文が出たときは特に注意が必要。最初の研究ほど派手な効果が報告され、その後の追試では効果が小さくなる、みたいなケースが多いのは、このシリーズでもすでにお伝えしたとおりですんで。
AIを使って、AI時代に必須の「質問力」を育てようぜ！#2『「知っている」「説明できない」「知りたい」を分けようぜ！』
『AIを使って、AI時代に必須の「質問力」を育てようぜ！』の続きです！(#1)
このシリーズでは、AIに手伝ってもらいながら、「何を知りたいのか」「次に何を確かめるか」を自分で考える力を育てるトレーニングをしております。で、前回はAI時代に質問力が大事になる理由と、「わかっていること」と「推測」を分ける方法について説明したんで、今回は記事を読んで見つけた理解の穴を、具体的な質問に変える方法をチェックしていきましょう！
今回のステップでフォーカスするのは、「質問が大事なのはわかるけど、そもそも聞きたいことが思いつかない！」という問題であります。たとえば、
- 記事を読んだり、説明を聞いたりして、「なるほどねー」と思った。
- しかし、そこで「何か質問はありますか？」と言われても、特に出てこない。
- さらに、あとから誰かに内容を説明しようとすると、うまく言葉にできない。
みたいなケースですね。このような、わかったようで実際には何もわかっておらず、結果として質問につながらないって状態は、まさに「質問ベタあるある」だと申せましょう。
で、こんなときに試したいのが、自分がどこまで説明できて、どこから説明できないのかを確かめることであります。
私たちが「良い質問」をつくろうとすると、まずは「どう聞けば賢い質問になるかな？」とか考えたくなるんですが、これは基本的にNG。その前に「自分は何を知りたいのか？」が見えていないと、聞き方も決まらないですからね。ってことで今回は、AIに手伝ってもらいながら、自分の理解の穴を見つける練習をしていきましょうー。
ステップ3．「知っている」「説明できない」「知りたい」を分けようぜ！
まずは、「パレオチャンネル」のなかから、あなたが気になっている記事を1本用意してください。これは食事、運動、睡眠などテーマはなんでもOKで、自分が少し気になる内容であれば十分であります。「そもそも何を読んでいいかわからん！」って人は、「パレオチャンネルは情報が多すぎて、どう使えばいいのか問題」を先に読んで、まずは自分の生活の足を引っ張ってるポイントを特定してください。
で、実際に選んだ記事を最後まで読んでみたら、いったん記事を閉じて、次の3つを書き出してみましょう。
- 知っていること：記事を見ずに、自分の言葉で説明できること。
- 説明できないこと：言葉は覚えているけれど、意味や仕組みをうまく説明できないこと。
- 知りたいこと：説明できない部分のうち、今回もう少し理解したいこと。
たとえば、あなたが「仕事の効率を上げるには、優先順位をつけよう！」みたいな記事を読んだとしましょう。この場合は、以下のようになります。
- 知っていること：すべての仕事を同時には進められないので、取り組む順番を決めると効率が上がる。
- 説明できないこと：何を基準に、ある仕事を別の仕事より優先するのか。
- 知りたいこと：締め切りが近い仕事と、時間はかかるけれど重要な仕事が重なったら、どう判断するのか。
こうすると、「仕事の効率を上げるには？」というだだっ広い質問が、「締め切りと重要性が食い違ったときは、何を基準に判断する？」というもうちょい細かな問いに変わるじゃないですか。なので、質問力を鍛えたいなら、まずはこの3つを切り分けるのがめっちゃ大事。
「説明できないこと」を、自分の言葉にしてみよう！
ちなみに、ここで注意です。「説明できないこと」を書き出すときは、ぜひ「記事に出てきた言葉をそのまま使っていないか？」も確認してみてください。たとえば、「優先順位をつけるってどういうことなんだろう？」って疑問を思いついた時に、
鈴木祐
1976年生まれ。新宿区在住のライター／編集者。パレオダイエットにくわしい人。普段はチャイナ服ではありません。ライター歴は18年ぐらい。科学の知見を自分のカラダで試していくのが趣味で仕事。
月別アーカイブ
- 2026年10月のブロマガ記事（5）
- 2026年09月のブロマガ記事（15）
- 2026年08月のブロマガ記事（15）
- 2026年07月のブロマガ記事（16）
- 2026年06月のブロマガ記事（15）
- 2026年05月のブロマガ記事（15）
- 2026年04月のブロマガ記事（15）
- 2026年03月のブロマガ記事（16）
- 2026年02月のブロマガ記事（14）
- 2026年01月のブロマガ記事（15）
- 2025年12月のブロマガ記事（16）
- 2025年11月のブロマガ記事（15）
- 2025年10月のブロマガ記事（15）
- 2025年09月のブロマガ記事（15）
- 2025年08月のブロマガ記事（16）
- 2025年07月のブロマガ記事（15）
- 2025年06月のブロマガ記事（15）
- 2025年05月のブロマガ記事（16）
- 2025年04月のブロマガ記事（13）
- 2025年03月のブロマガ記事（14）
- 2025年02月のブロマガ記事（13）
- 2025年01月のブロマガ記事（13）
- 2024年12月のブロマガ記事（11）
- 2024年11月のブロマガ記事（12）
- 2024年10月のブロマガ記事（13）
- 2024年09月のブロマガ記事（52）
- 2024年08月のブロマガ記事（3）
- 2024年06月のブロマガ記事（4）
- 2024年05月のブロマガ記事（15）
- 2024年04月のブロマガ記事（15）
- 2024年03月のブロマガ記事（16）
- 2024年02月のブロマガ記事（14）
- 2024年01月のブロマガ記事（16）
- 2023年12月のブロマガ記事（15）
- 2023年11月のブロマガ記事（15）
- 2023年10月のブロマガ記事（16）
- 2023年09月のブロマガ記事（15）
- 2023年08月のブロマガ記事（15）
- 2023年07月のブロマガ記事（16）
- 2023年06月のブロマガ記事（15）
- 2023年05月のブロマガ記事（15）
- 2023年04月のブロマガ記事（15）
- 2023年03月のブロマガ記事（15）
- 2023年02月のブロマガ記事（13）
- 2023年01月のブロマガ記事（14）
- 2022年12月のブロマガ記事（12）
- 2022年11月のブロマガ記事（14）
- 2022年10月のブロマガ記事（11）
- 2022年09月のブロマガ記事（14）
- 2022年08月のブロマガ記事（13）
- 2022年07月のブロマガ記事（13）
- 2022年06月のブロマガ記事（12）
- 2022年05月のブロマガ記事（13）
- 2022年04月のブロマガ記事（15）
- 2022年03月のブロマガ記事（12）
- 2022年02月のブロマガ記事（12）
- 2022年01月のブロマガ記事（15）
- 2021年12月のブロマガ記事（13）
- 2021年11月のブロマガ記事（12）
- 2021年10月のブロマガ記事（12）
- 2021年09月のブロマガ記事（13）
- 2021年08月のブロマガ記事（12）
- 2021年07月のブロマガ記事（13）
- 2021年06月のブロマガ記事（13）
- 2021年05月のブロマガ記事（13）
- 2021年04月のブロマガ記事（13）
- 2021年03月のブロマガ記事（16）
- 2021年02月のブロマガ記事（14）
- 2021年01月のブロマガ記事（15）
- 2020年12月のブロマガ記事（16）
- 2020年11月のブロマガ記事（15）
- 2020年10月のブロマガ記事（19）
- 2020年09月のブロマガ記事（15）
- 2020年08月のブロマガ記事（16）
- 2020年07月のブロマガ記事（15）
- 2020年06月のブロマガ記事（15）
- 2020年05月のブロマガ記事（16）
- 2020年04月のブロマガ記事（15）
- 2020年03月のブロマガ記事（15）
- 2020年02月のブロマガ記事（15）
- 2020年01月のブロマガ記事（16）
- 2019年12月のブロマガ記事（18）
- 2019年11月のブロマガ記事（16）
- 2019年10月のブロマガ記事（16）
- 2019年09月のブロマガ記事（16）
- 2019年08月のブロマガ記事（17）
- 2019年07月のブロマガ記事（18）
- 2019年06月のブロマガ記事（19）
- 2019年05月のブロマガ記事（19）
- 2019年04月のブロマガ記事（18）
- 2019年03月のブロマガ記事（20）
- 2019年02月のブロマガ記事（16）
- 2019年01月のブロマガ記事（19）
- 2018年12月のブロマガ記事（24）
- 2018年11月のブロマガ記事（24）
- 2018年10月のブロマガ記事（22）
- 2018年09月のブロマガ記事（5）
