「目標数値：100倍」と書いたら、審査員は必ず「なぜ100倍？」と問います。「キリが良いから」は論外。「既存技術（10倍）を凌駕し、かつ実用化の閾値（80倍）を超えるには100倍が必要だから」という、ゴールから逆算された「必然性」を語ってください。全ての数字には、そこにあるべき理由があります。

画像案
「数字の氷山」の図解。

  • 水面上（見える部分）： 「N=120」「感度100倍」「3条件」という数字。
  • 水面下（見えない根拠）： 巨大な土台。「統計的計算（Power Analysis）」「損益分岐点（Break-even Point）」「競合との差別化（Superiority）」のラベル。
  • メッセージ： 「根拠なき数字は、ただの記号だ。」

Part 2: 【有料エリア】（記事本文）

タイトル：数字の根拠は「鉛筆なめなめ」では作れない：審査員を納得させる3つの「算出ロジック」

パターンAを選択しました。

1. 導入：その数字は「願望」か、「必然」か

前回、形容詞を捨てて数字を入れる重要性を説きました。しかし、単に数字が入っていれば良いわけではありません。

「目標として、変換効率30%を目指す。」
「サンプル数は100とする。」

審査員がこの数字を見たとき、次に浮かぶ疑問は**「なぜ30%なのか？（20%ではダメなのか？）」「なぜ100なのか？（50では足りないのか？）」**という根拠（Rationale）です。

もし答えが「なんとなくキリが良いから」や「高ければ高いほど良いから」という「願望」レベルであれば、その計画は砂上の楼閣です。研究計画における数値は、すべてゴールからの逆算や、競合との比較によって導き出された**「必然」**でなければなりません。

今回は、適当に決めた数字を、論理的な根拠に基づいた「強い数字」に書き換える技術を解説します。

2. 根拠となる理論：数字を正当化する3つのロジック

数字の根拠を記述する際、以下の3つの基準のいずれか（または組み合わせ）を使用します。

  1. 課題解決の閾値（Threshold）：
    • 「その問題を解決するためには、最低限これだけの数値が必要だ」というライン。
    • 例：実用化の損益分岐点、物理法則上の限界値突破など。
  2. 競合優位性（Superiority）：
    • 「ライバルの技術よりも優れていると言えるための数値」というライン。
    • 例：既存の最高値が10なので、独自性を主張するには15が必要。
  3. 統計的・物理的要請（Necessity）：
    • 「科学的に正しい結論を出すために必要な量」というライン。
    • 例：パワーアナリシスによるN数、ナイキスト周波数に基づくサンプリングレート。

これらを明示することで、数字は単なる記号から「達成すべきマイルストーン」へと変わります。

3. 具体例の提示：Before/After

では、3つのロジックを用いた具体的なリライト例を見ていきましょう。

【Case 1：性能目標（課題解決の閾値からの逆算）】

  • Before（願望型）：本研究では、太陽電池の変換効率向上に取り組み、可能な限り高い数値を目指す。暫定的な目標として**20%**を設定する。
  • 分析：
    なぜ20%なのか不明です。「頑張ります」と言っているだけで、ゴールの妥当性が評価できません。
  • After（解決逆算型）：本方式の太陽電池が市場で既存のシリコン系と競合するためには、製造コストを加味すると変換効率18%が損益分岐点（Break-even Point）となる。
    そこで本研究では、マージンを見込んだ**「変換効率20%」**を必達目標（Threshold）として設定する。
  • 解説：
    「18%が分岐点だから20%を目指す」というロジックは強固です。これにより、20%という数字が単なる目標ではなく、「社会実装のための必須条件」になります。

【Case 2：サンプルサイズ（統計的要請からの逆算）】

  • Before（慣例型）：予備実験の結果を踏まえ、本実験では100個のサンプルを用いてデータ取得を行う。
  • 分析：
    100という数字の根拠が見えません。「キリが良いから」と思われてしまいます。
  • After（統計逆算型）：予備実験で得られた効果量（d=0.6）に基づき、検出力0.8、有意水準0.05で必要サンプル数を算出すると88個となる。
    実験過程での不良品発生率（歩留まり）を約10%と見込み、最終的な投入サンプル数を100個と設定する。
  • 解説：
    「計算値88個」＋「歩留まり12個」＝「100個」。この内訳を示すだけで、実験計画の緻密さが伝わります。

【Case 3：比較対象（競合優位性からの逆算）】

  • Before（主観型）：開発するアルゴリズムを用いて、処理時間の大幅な短縮を目指す。具体的には10秒以内を目標とする。
  • 分析：
    10秒が速いのか遅いのか、審査員（専門外の場合もある）には判断できません。
  • After（競合比較型）：現在、最も高速とされる先行研究Aの手法でも、処理には平均30秒を要する。これではリアルタイム応答（15秒以内）の要件を満たせない。
    本研究では、処理時間を**既存最速値の1/3である「10秒以内」**まで短縮し、世界初のリアルタイム処理を実現する。
  • 解説：
    「既存（30秒）」と「要件（15秒）」という2つの基準値を示すことで、目標値（10秒）の**「凄さ（独自性）」と「必要性（課題解決）」**を同時に証明しています。

4. まとめ：実践のためのセルフチェックリスト

申請書に書いたすべての数字に対し、以下の「ツッコミ」を自問自答してください。

  1. 「なぜその数字か？」の答えが文中にあるか？
    数字の直前か直後に、「〇〇であるため、××と設定した」という理由が書かれていますか？
  2. 比較対象はあるか？
    「100」と書くなら、「従来は50」や「必要量は80」といった比較対象（基準）を提示していますか？
  3. 内訳は説明できるか？
    ざっくりした数字（例：3年間）ではなく、「基礎検討に1年、実証に1.5年、まとめに0.5年」といった内訳の論理がありますか？

数字は、あなたの研究計画の「解像度」を映す鏡です。
「なんとなく」を排除し、すべての数字に「必然性」という名の命を吹き込んでください。そうすれば、数字自体があなたの研究の価値を語り始めます。