研究にはいくつかのパターンがあります。大きく分けると、データから仮説を作る「仮説生成型」の研究と、すでにある仮説を検証する「仮説検証型」の研究があります。どちらが優れているという話ではなく、研究のステージが違うだけです。ただし、申請書に書きやすいかどうかという点では、両者にはかなり大きな違いがあります。
仮説生成型の研究
仮説生成型、あるいはデータ駆動型の研究とは、まずデータを広く集め、その中から現象を理解するための枠組みや、次に検証すべき仮説を見つける研究です。具体的には、スクリーニング、網羅解析、アンケート調査、大規模データ解析などがこれにあたります。これらの研究の特徴は、研究を始める前には結果がほとんど予想できないことです。まさに「やってみなければわからない」タイプの研究です。得られた結果を解析し、そこに現象を理解するためのヒントが隠されていないかを探ります。そして、うまくヒントが見つかれば、次に仮説検証型の研究へと進んでいきます。
研究を持続的に発展させたり、予想外の発見を得たりするためには、仮説生成型の研究は避けて通れません。新しい研究テーマや独自の切り口は、多くの場合、広くデータを見たり、既存のデータを別の角度から眺めたりする中で生まれます。しかし、申請書との相性はあまりよくありません。なぜなら、仮説生成型の研究では、審査員だけでなく申請者本人ですら先を見通しにくく、説得力のある研究計画やその根拠を示しにくいからです。
言い換えると、仮説生成型の研究は「仕込み」の研究です。一方で、申請書を読む審査員は、多くの場合、研究成果の「収穫」を期待しています。何を明らかにしようとしているのか、そのために何を行うのか、どのような結果が得られれば何が言えるのか。そうした流れが見えないと、申請書としては弱くなってしまいます。したがって、仮説生成型の研究だけを前面に出すと、「やってみないとわからない研究」に見えてしまい、審査員を説得しにくくなります。
ただし、仮説生成のステップを短くすることは可能です。すでに発表されている論文の結果を組み合わせたり、再解釈したりすることで仮説を作ることができます。また、公開されているデータベースを再解析することによっても、独自の仮説を作ることができます。申請書では、こうした情報を引用しながら、研究の背景や問題点の段階で仮説をある程度作っておくと、その後の研究計画につなげやすくなります。
論文から仮説を作る場合
科学は、過去の研究成果の積み上げによって前に進みます。したがって、過去の論文の結果をもとに仮説を作ることは、ごく自然なことです。ただし、一つの論文だけから仮説を作ったり、著者らが示した今後の方向性をそのまま採用したりするのは避けた方がよいでしょう。そうしたわかりやすい展開は、その論文の著者自身がすでに取り組んでいるか、他の読者がすでに手を付けている可能性が高いからです。競争が激しいだけでなく、予想される範囲内の研究になりやすいため、申請書としての面白みも弱くなります。
おすすめは、複数の論文の結果を組み合わせることです。論文の組み合わせ方は無数にあるため、同じアイデアにたどり着く人の数は大きく減ります。また、別々の研究成果をつなぐことで、新しい解釈や研究のオリジナリティが生まれます。もう一つの方法は、解釈の切り口を変えることです。「著者らはこのデータからこう結論しているが、実は別の見方もできるのではないか」と考えてデータを眺めると、新しい仮説が生まれることがあります。その着想の源泉は、多くの場合、あなた自身のバックグラウンドです。だからこそ、他の人にはない独自の仮説になり得ます。
ただし、どれほど魅力的な仮説を思いついたとしても、これまで自分がやってきた研究や、所属する研究室の蓄積とあまりにも離れすぎている場合には注意が必要です。これまで「月」の研究をしていた人が、突然「すっぽん」の研究を始めるようなものです。審査員は、あなたをその分野のプロとして見て研究費を渡すわけですから、これまでの蓄積をすべて放棄したように見える研究には厳しい評価を下しがちです。
一方で、研究対象を変えること自体が悪いわけではありません。解析手法、考え方、目指すゴール、扱う概念など、何かしら一本の芯が通っていれば、対象を変えることはむしろ自然な展開になります。大切なのは、これまでの研究と新しい研究の間に、どのような連続性があるのかを示すことです。
データベースから仮説を作る場合
近年は、大規模なデータを得ることが容易になり、日々大量のデータが生み出されています。一方で、人間の能力や時間には限りがあるため、生み出されたデータの多くは十分に味わい尽くされていません。そこには大きなチャンスがあります。
公開データベースを、あなた自身の視点から眺め直してみましょう。他の人が見落としていた関係性や、別の分野の人だからこそ気づけるパターンが見つかるかもしれません。誰にでも利用できるデータであっても、どの問いを立て、どのように解析し、どのように解釈するかによって、研究の独自性は生まれます。インターネットの登場はビジネスに大きな変化をもたらしましたが、研究においても同じです。公開データを使って独自の仮説を作り、研究につなげることは、今後ますます重要になるでしょう。
仮説検証型の研究
仮説検証型、あるいは仮説駆動型の研究とは、現象を説明するために作られた仮説を検証し、その有効性を確認するための研究です。多くの実験研究は、こちらに属します。○○アッセイ、△△法、遺伝学的解析、介入実験など、あらかじめ立てた仮説があり、その仮説が正しいかどうかを調べる研究です。
仮説検証型の研究の特徴は、研究を始める前に、結果をある程度予想できることです。予想通りの結果が出れば、仮説が支持されます。予想外の結果が出れば、「なぜ予想と違ったのか」を考えることで、新たな仮説生成へと進むことができます。この意味で、仮説検証型の研究も、単に予定調和の結果を確認するだけのものではありません。予想外の結果が出たときに、次の研究へと展開できる余地があります。
申請書との相性が良いのは、基本的には仮説検証型の研究です。仮説があることで、研究の実現可能性に一定の根拠が生まれます。また、研究の流れが明確になり、今後の研究計画もわかりやすくなります。もちろん、予想通りの結果が得られなければ「絵に描いた餅」になってしまう可能性はあります。しかし、審査員はまさにこの「絵」を求めています。どのような仮説に基づいて、何を行い、何が得られれば何が言えるのか。その見通しがあるからこそ、申請書として評価しやすくなるのです。
仮説の検証そのものを研究目的にしない
仮説検証型の研究でよくある間違いの一つに、「申請者は、〇〇は△△ではないかと考えた。そこで本研究では、この仮説を検証することを目的とする」と書いてしまうことがあります。一見すると自然に見えますが、これはあまりよくありません。
そもそも仮説とは、何かを明らかにするために仮に立てた説明です。真の目的は、仮説そのものを検証することではなく、その先にある問題を明らかにすることのはずです。仮説の検証は、その目的を達成するための手段です。にもかかわらず、仮説の検証そのものを目的にしてしまうと、手段が目的化してしまいます。
これは、他の可能性を排除しているという点でも危険です。もし検証しようとした仮説が外れだった場合、その研究から何も残らないように見えてしまいます。申請書では、「この仮説を検証する」ではなく、「この問題を明らかにする。そのために、この仮説を手がかりとして検証する」と書くべきです。仮説は研究の中心に置いてよいものですが、研究の最終目的そのものにしてはいけません。
仮説生成型と仮説検証型のどちらが良いのか
ときどき、仮説検証型の研究は事前のバイアスが強く、捏造やデータの見落としを生み出す温床になるという批判があります。確かに、「こうあるべきだ」「こうあってほしい」という思いが強すぎると、事実を見落としたり、都合の悪い結果を軽視したりする危険があります。
たとえば、以下の動画を見て、白チームのパスの回数を数えてみてください。
多くの人はパスの回数を数えることに集中するあまり、画面内で起きている別の重要な出来事を見落としてしまいます。このように、強い事前の仮説や目的は、見えるはずのものを見えなくすることがあります。そのため、仮説駆動型の研究は危険な研究手法であると見られることがあります。
実際、ある現象が起きるというデータを取りたい人が延々と実験を続け、たまたま都合のよいデータが出たときに「やっと、うまくいった」と考えて実験を止めてしまうようなことは問題です。しかし、こうした問題はデータ駆動型でも起こり得ます。データを解析する以上、解析者には何らかの目的があります。意味もなく解析する人はいません。必ず「こうだったらおもしろい」「こういう結果が出てほしい」という思いがあります。そして、それがバイアスとして働くことがあります。
つまり、データ取得や解釈のゆがみは、仮説駆動型かデータ駆動型かという分類だけで決まる問題ではありません。どちらの研究タイプにもバイアスは入り得ます。問題は、仮説があるかどうかではなく、仮説や期待に引きずられて事実を見失っていないかどうかです。
結局は研究ステージの違いである
仮説生成型と仮説検証型は、どちらが優れているというより、研究ステージの違いとして理解した方が自然です。まだ研究上の仮説が存在しない段階では、何が研究テーマになり得るのかもわかりません。そのため、オミクス解析を行ったり、対象をじっくり観察したり、スクリーニングを行ったりして、広く可能性を探る必要があります。これは仮説生成のステージです。
一方で、研究上の仮説が定まったら、それを検証するステージに移ります。明確な仮説があるのに、何の仮説もないかのように実験を続けると、ピント外れの実験が増え、研究の効率は落ちます。仮説があるなら、それを検証するために必要な実験を組み立てるべきです。
つまり、研究はしばしば、仮説生成 → 仮説検証 → 結論、そして新たな仮説生成へと進みます。仮説生成型と仮説検証型は対立するものではなく、研究が進む中で行き来するものです。申請書を書くときには、この流れのどの段階を切り出して申請するのかを意識する必要があります。
データ取得や解釈のゆがみをどう扱うか
では、データ取得や解釈のゆがみはどう扱えばよいのでしょうか。これは、生成した仮説に対する思い入れが強すぎることが大きな原因です。「この仮説で間違いない」という思いが強ければ強いほど、不都合なデータには目をつぶりたくなります。自分では客観的に見ているつもりでも、都合のよい結果を重視し、都合の悪い結果を例外扱いしてしまうことがあります。
だからこそ、仮説はあくまでも仮説である、という意識を持つことが重要です。仮説は大切ですが、事実の方がもっと大切です。「事実に勝る面白いものはない」という感覚を普段から持っておく必要があります。予想と違うデータが出たとき、それを失敗と考えるのではなく、仮説を修正し、より面白い研究へ進むための材料だと考えるべきです。
もし指導者の立場であるならば、この点は実験者に明確に伝えておく必要があります。「これはあくまでも仮説であり、予想と違うデータが出たら、仮説を修正して、より面白いものにしよう」というメッセージを強く共有しておくことが重要です。仮説に従って実験することは大切ですが、仮説に縛られて事実を見失ってはいけません。
申請書では、仮説を示すことが重要です。仮説があることで、研究の見通しや実現可能性を示せるからです。しかし同時に、その仮説が外れた場合に何がわかるのか、どのように次の展開につながるのかも意識しておく必要があります。強い仮説を持ちながら、事実に対しては柔軟であること。そのバランスが、良い研究にも、良い申請書にも求められます。
これは、生成した仮説に対する思い入れが強すぎることが原因です。「この仮説で間違いない」という思いが強ければ強いほど、不都合なデータには目をつぶりたくななるものです。ですので、仮説はあくまでも仮説であり、「事実に勝る面白いものは無し」という意識を普段からしっかり持っておくことが重要です。もし指導者の立場であるならば、「これはあくまでも仮説であり、予想と違ったデータがでたら、仮説を修正してより面白いものにしよう」というメッセージを実験者に強く伝えておく必要があります。