インタビューの文字起こしに溺れていた。医療従事者を対象とした半構造化インタビューは32件、1回あたり40〜60分あり、文字起こしされたテキストは合計400ページ近くに及んでいた。目がかすむまでPDFにハイライトを引き、モニターには付箋が貼りすぎて落ちてくる始末。木を見て森を見失っている感覚が日に日に強まっていた。そんな時、同僚が「ATLAS.tiを試してみたら？」と勧めてくれたのだ。
質的データ分析（QDA）ソフトウェアの名前——NVivo、MAXQDA、ATLAS.ti——は以前から聞いたことがあったが、自分のプロジェクトにはオーバースペックだろうとずっと思い込んでいた。それは間違いだった。私がATLAS.tiを使って、文字起こしのカオスから構造化された知見へとどう移行していったか、その過程で犯した失敗も含めて紹介しよう。
正しいセットアップから始める
まず最初に：ATLAS.tiにはデスクトップ版とWeb版がある。私は何もインストールしたくなく、別のPCからでもプロジェクトにアクセスできる点を気に入って、Web版から始めた。これが最初の失敗だった。Web版が悪いわけではない。当時、私が使いたかったAI機能がデスクトップ版にしかなかったのだ。現在ではATLAS.tiのWeb版にも対話型AIが追加されたが、コミットする前にどの環境で何が使えるかを確認しておくべきだ。
atlasti.comから無料トライアルを入手できる。大学に所属している場合は、まず図書館に確認してほしい。多くの機関が無料アクセスを提供している。例えば、ニューヨーク大学（NYU）の学生は、Virtual Computing Labを通じて、またはBobst Libraryの専用端末で利用可能だ。ジョージ・ワシントン大学（GW）のCCASの学生は、ITチケットを通じてアクセスを申請できる。自分のポケットマネーで払う必要はない。
ログインしたら、まずプロジェクトを作成する。ATLAS.tiにおいてプロジェクトは、本質的にあらゆるものの入れ物である——ドキュメント、引用、コード、メモ、ネットワークなどすべてがここに入る。研究のワークスペースだと考えればいい。私は説明的な名前を付けた。「Project1」ではなく「HealthcareWorkerBurnout_2024」としたことで、後で複数のプロジェクトを並行して進めることになった際の混乱を防げた。
データのインポート：テキストだけじゃない
私のインタビューの文字起こしはWord文書だったので、プロジェクトにドラッグ＆ドロップした。非常にシンプルだ。しかし、ここでATLAS.tiに驚かされた。なんと、テキスト以外にもずっと多くの形式を扱えるのだ。PDF、画像、音声、動画ファイルもインポートできる。生のインタビュー録音がある場合、ATLAS.ti デスクトップ版のAI搭載自動文字起こし機能を使えば、音声や動画が数秒で検索可能なテキストに変換される。
私はすでに文字起こしに費用を払っていたため自動文字起こしは使わなかったが、不確かな箇所を実際の録音と照合するため、いくつか音声ファイルをインポートした。コード付けされた引用をクリックして元の音声が聞けることで、誰かの発言を誤って解釈していないという確信が得られた。
仮想コンピューティングラボや共有端末を使用している場合、重要な警告がある：プロジェクトバンドルを頻繁にエクスポートしてほしい。NYUの図書館員から、VCL上で作業を正しく保存しなかったために、数日分のコーディングを失った研究者の恐ろしい話を聞いた。常にプロジェクトバンドルを自分のPCにエクスポートしてバックアップを取ること。
コーディングのプロセス：まず手動、次にAI
ATLAS.tiが最も輝くのがここだが、私が2度目の大きな失敗をしたのもここだ。
私は計画なしにいきなりコーディングに飛びついた。テキストをハイライトし、その場でコードを作成し始めた——「感情的疲弊」「人員配置の問題」「コーピング（対処行動）」「良い日」「悪い日」など、最初の2件のインタビューだけで約40個のコードを作ってしまった。5件目のインタビュー頃には、コードリストはめちゃくちゃだった。コードは重複し、命名は一貫性がなく、明確な階層もなかった。
私はハイブリッドアプローチでやり直した。研究質問と3つの文字起こしの軽い拾い読みに基づいて初期のコードブックを作成し、その後も創発的なコードにはオープンにしておくという方法だ。これはずっとうまくいった。
私の実際のワークフローはこうだ：
- メインのエディタビューでドキュメントを開く
- クリック＆ドラッグでテキストをハイライトする（これで「引用」が作成される）
- 右クリックまたはコーディングツールバーを使ってコードを割り当てる
- 何か気づきを与えてくれるテキストにはメモを書く——これいくら強調しても足りないが、分析は実際のところメモの中で行われるのだ
ATLAS.tiは、進めながらコードを作成する帰納的コーディングと、あらかじめ定義されたリストから始める演繹的コーディングの両方をサポートしている。私は両方を使った。中核となるコードは研究フレームワークから導き、テーマとして浮かび上がってきたものは新たに追加した。
AI機能の活用：自動ではなく、意図的
現在のATLAS.tiの最大の魅力は、OpenAIを搭載したAI統合機能だ。ここでは、何が機能し、何が機能しないかについて正直に話す必要がある。
目玉機能は「Intentional AI Coding（意図的AIコーディング）」だ。単にボタンをクリックしてAIに好きなようにコーディングさせるのではなく、自分の研究の意図と目標を入力する。私のプロジェクトでは、次のように入力した：
「私はポスト・パンデミックの病院環境における医療従事者のバーンアウトを研究している。感情的な経験、バーンアウトに寄与するシステム的要因、および個人的なコーピング戦略に焦点を当てること。明示的な発言と暗黙の感情的なニュアンスの両方をコーディングすること。」
するとAIはドキュメントを処理し、私の意図に沿ったコードを提案してくれた。これは本当に役立った。私が見落としていたテキストを捉え、まだ気づいていなかったインタビュー間のパターンを特定してくれたのだ。最初のコーディングのパスにおいて、手作業を確実に60〜70％削減できた。
しかし落とし穴がある：AIコーディングは出発点であり、終着点ではない。私はAIが提案したコードのすべてを一つ一つレビューした。的確なものもあった。一方で、表面的なものもあった——AIは誰かが「疲れた」と言ったことは捉えたが、それが身体的疲労ではなく道徳的苦悩（moral distress）を表現しているという文脈のニュアンスを見落としていた。また、完全に間違っているものもあり、皮肉を交えたテキストを文字通り肯定的なものとしてコーディングしていた。
対話型AI機能を使うと、自分のドキュメントとチャットができる。「すべてのインタビューで最もよく言及されるコーピング戦略は何か？」のように質問すると、特定の引用に遡れる形で統合された回答が得られた。これは全体像を掴むのに役立ったが、私は常に元のテキストと照らし合わせて引用を確認していた。
また現在、AI分析がどこで処理されるか（米国か欧州か）を選択できる。GDPRやIRBの制限の対象となる機密データを扱っている場合、これは重要なポイントだ。
ネットワークの構築と意味の理解
コードができあがると、本当の分析が始まる。ATLAS.tiのネットワークビューを使うと、コード、引用、メモ間の関係を視覚化できる。私は、「人員不足」が「感情的疲弊」につながり、それが「職を離れることの検討」につながる様子を示すネットワークを作成した。これらの関係を視覚的に見ることで、理論的フレームワークを構築しやすくなった。
また、どのコードが頻繁に同時に出現するかを確認するため、共起分析も使った。これにより予期せぬ発見があった：最もバーンアウトしている参加者でさえ、「喜びの瞬間」と「患者とのつながり」の共起が、予想していたよりもはるかに高頻度で見られたのだ。これが私の論文の重要な知見となった。
文献の統合
私が価値あると感じた新しい機能：ATLAS.ti Webでは、2億以上の科学論文を検索・インポートでき、AIによる要約も無料で利用できる。これを利用して、関連する文献を直接データと一緒に引き込み、同じプロジェクト内で文字起こしと主要な論文の両方をコーディングした。文献レビューと実証データを1つのワークスペースに置くことで、自分の知見が先行研究を裏付けているのか、拡張しているのか、あるいは挑戦しているのかをはるかに把握しやすくなった。
実用的なヒントと正直な限界
うまくいったこと：
- AIコーディングにより、最初のパスのコーディングで数十時間節約できた
- ネットワークの視覚化は、見落としていたパターンに気づくのに本当に役立った
- 音声、文字起こし、コード、メモが1か所に集約されたことで、コンテキストの切り替えが不要になった
- マルチプラットフォームでのアクセスにより、デスクトップでコーディングし、ノートPCでレビューすることができた
不満に思ったこと：
- 学習コストは確実にある。ATLAS.ti Academyやユタ大学のチュートリアル動画を約10時間見て、ようやく使いこなせるようになった
- AIコーディングは役立つが、慎重な監督が必要。自分の分析的判断の代わりにはならない
- Web版はこれまで機能面でデスクトップ版に遅れをとっていた（ただし、この差は縮まりつつある）
- コラボレーション機能はあるが、チーム内でライセンスが混在している（デスクトップ版とWeb版が混ざっている）と、少し使い勝手が悪くなる
私からの最大のアドバイス：
小さく始めること。私がやったように、いきなり32個の文字起こしをすべてインポートしてはいけない。まずは3つインポートし、手動でコーディングし、インターフェースに慣れ、コードブックを開発してから、AIツールと残りのデータを持ち込むこと。誰かが事前にそう教えてくれていれば、管理不能なコードの混沌を作るために1週間を費やすことはなかったのにと思う。
ATLAS.tiは強力なツールだが、あくまでツールに過ぎない。分析は依然としてあなた自身が行わなければならない。ソフトウェアはデータの整理、検索、視覚化を助けてくれるが、「これらのコードが共起する」から「これが何を意味するのか」への解釈の飛躍は、あなた自身が行うべきものだ。面倒な作業はAIに任せて、考える作業に集中しよう。そこにこそ、真の研究が存在するのだ。