人間の行動をコーディングする方法:行動コーディング完全ガイド

行動コーディングは、バイアスを低減し、体系的な観察手法を導入することで、人間行動の研究に革命をもたらしました。その起源、重要性、そして研究者が行動を客観的に定量化するためにどのように活用しているかについて学びましょう。行動科学において、行動コーディングスキームを作成し、データの精度を高めるための手順を探ります。

行動コーディングの誕生:人間行動研究からバイアスを排除する

1960年代後半、米国保健教育福祉省は、一見地味なタイトルの書籍を刊行したが、それは行動科学の未来を徐々に変えていくこととなった。チャールズ・カネルらによって執筆されたこの本は、偏見が人間の行動の正確な理解をいかに妨げるかという認識の高まりから生まれたものである[1]。

アルコールに関するインタビューは、聞き手が「禁酒主義者」か「社会主義者」かによって明らかに偏りが見られることに気づいた彼らは、インタビュー手法に一定の厳密さを加えるべく取り組み、こうして最初の行動コーディング体系が誕生した。

彼らが策定したルールは、面接官のパフォーマンスを評価するためのコーディングシステムを形式化することで、面接プロセスから主観性を排除することを目的としていた。これにより、研究者はもはやそのプロセスを盲目的に信頼する必要がなくなった。その後の改良では、この仕組みが面接や観察プロセス全体へとさらに拡大されていった。

行動コーディング:人間行動を分析するための体系的なアプローチ

行動コーディング法とは、具体的にはどのようなものなのでしょうか?行動コーディングとは、顕在的(観察可能な)行動を形式的かつ体系的に定義する手法です。眉をひそめる、腕を上げる、心配そうな表情をするといった行動を取り上げ、それらに値(コード)を割り当てます。この手法は、ソフトウェアでは検出が困難なほど曖昧な、顕在的で複雑な行動を客観的に定義する方法を研究者に提供することで、研究に役立ちます。

iMotionsでの行動コーディングの方法」をご覧ください

行動研究者が自然環境下での参加者の行動を観察し、定量化すれば、各行動の発生回数を数え、一連の行動について客観的な理解を得ることができる。これにより、行動観察は単なる「技」ではなく、「科学」としての地位を確立することができる。

以下では、独自の行動コーディング体系を構築するために必要な手順と、iMotionsが行動コーディング実験をはじめとする様々な取り組みにおいてどのように役立つかについて解説します。

行動観察のコーディング方法

顕在行動の研究における第一歩は、どの顕在行動に関心があり、どの行動が研究に関連しているかを明確にすることです。先行研究を調査し、行動のコーディング体系がすでに作成・検証されているかどうかを確認しておくと役立ちます。これは研究分野によっては稀なケースかもしれませんが、もし存在すれば、プロジェクトの進行を大幅に早めることができます。

独自の行動コーディング体系を作成する必要がある場合、最初に以下の点について検討しておくと役立ちます。例えば:

その行動はどのように定義するのが最も適切でしょうか?

人は刺激に対してどのような感情的な反応を示すか、あるいはその一般的な態度に関心がありますか?あるいは、微妙なボディランゲージの変化や表情に興味があるかもしれません。広範な行動状態に関心があるのか、それとも個別の行動事例に関心があるのかを決める必要があります。これらの指標を組み合わせることも可能ですが、当然ながら分析にはより多くの手間がかかります。

また、行動の分類が広すぎず、狭すぎないよう注意することも重要です。行動が発生しているか否かが明確に判断できると同時に、実験の文脈においてその行動が観察されやすいものであることを確保する必要があります。

行動コーディング研究のベストプラクティス」をご覧ください

顔グリッドとポイントが表示された参加者の顔が映し出されたコンピューター画面

マイクロコーディングとマクロコーディングのどちらを行いますか?

この問いかけが、コーディングスタイルの方向性を大きく左右することになります。マイクロコーディングとは、発話の一部、手の動き、特定の方向を見るといった、些細で明確な行動を記録する手法です。このアプローチは手間がかかりますが、明確に識別可能な豊富なデータを得ることができます。

マクロコーディングとは、より広範な状態――例えば、人の感情の状態、指示に注意を向けているか、あるいは情報を自ら探そうとしているかといった点――を定義することです。マクロコーディングの分析は、マイクロコーディングよりもはるかに迅速に行うことができます(これについては後述しますが)、ただし、十分に限定されなければ、依然として主観的なものになりかねません。

iMotions FEAインターフェース

その行動はどのように定量化されるのでしょうか?

行動の単発的な発生を記録する予定ですか、それとも行動の強度も記録したいですか?行動の強さに基づいて区別することは理にかなっているかもしれませんが、場合によっては、それが単に非現実的であったり、手間がかかりすぎて得られる知見が少ないこともあります。 これにより、データが名目変数/カテゴリカル(例:物体に向かって移動する場合は「A」、離れて移動する場合は「B」など)となるか、連続変数/評価尺度(例:即座に物体に向かって移動する場合は「A1」、通常のペースで物体に向かって移動する場合は「A2」など)となるかが決まります。

また、一連の行動(すなわち、逐次コーディング)に関心がある場合もあり、その際には新たなコーディング体系を定義する必要があります。例えば、被験者が研究者と会話した後に刺激を見る場合と、自発的にそれを行う場合では、異なる方法でコーディングされる可能性があります。あるいは、この情報は重要ではないと判断され、それぞれの行動が別々にコーディングされる場合もあります。

その行動はいつ止まるのでしょうか?

特に、より広範な行動状態を測定する場合、この点は重要である。つまり、それらの行動は他の行動と重なり合う可能性があるのか、それとも明確な区切りがあるのか、という点だ。このアプローチを採用する場合、より小規模で独立した行動が、より広範な状態からどのような影響を受ける可能性があるかについても検討する価値がある。

どのような機材が必要ですか?

行動観察における中心的な課題の一つは、被験者が通常、研究者などの他者の存在に対して反応的であるという点である[2]。これは、被験者が観察されていることへの反応として、生態学的妥当性の高い環境下で見られるはずの行動とは異なる行動をとる可能性が高いことを意味する[3]。

したがって、例えば社会的望ましさ効果によって結果が歪められるのを防ぐため、参加者の邪魔にならないよう、可能な限り距離を置くことが重要です[4]。通常、ウェブカメラで録画し、後でその映像を分析することでこれを実現します。この方法には、行動を繰り返し確認してデータの正確性を確保できるという利点もあります。

表情分析 公園のベンチに座り、顔に表情分析のグリッドが表示されたスマートフォンを手に持つ女性

行動観察研究の計画方法

どのような実験においても、綿密な計画は不可欠です。対象とする行動を特定し、その定義を明確にした後、実験環境下でそれらの行動を調査できるような実験を設計する必要があります。

行動コーディングの実験においては、観察したい行動を引き出しやすいような実験設計を行うことが特に重要である(もっとも、それが常に可能とは限らないが)。

例えば、ある製品に対する消費者の反応に関心がある場合、その製品を実際に用意して、製品に対する直接的な反応を追跡できるようにするとよいでしょう。消費者の感情的な反応やボディランゲージ、あるいは製品とどのように物理的に関わるかといった点に関心があるかもしれませんが、実験に製品を実際に用意しておけば、こうした要素を製品と結びつけて分析することがより容易になります。もっとも、実験の設計方法は、当然ながら研究の具体的な目的によって異なります。

商品テストの実施方法:店頭棚テスト」をご覧ください

また、研究期間に期限を設け、参加者間でそれを統一することも極めて重要です。これにより、参加者間の体験をより容易に比較できるようになります。

最後に、同僚と計画を話し合い、そのような状況下で一般的に何がうまくいき、何がうまくいかないかについての情報を集めておくことは常に有益です。できるだけ多くの情報を得ておくことで、予期せぬ事態にも備えることができます。

行動コーディングに関するパイロット研究

上記のすべてを完了した後、すぐに多数の参加者を対象としたテストに着手したくなるのは当然ですが、まずは小規模な試行を行い、仕組みが適切に機能するかを確認しておくことが常に重要です。予算や時間の制約により、本格的な実験の前に実施できるテストの規模が限られる場合もありますが、たとえ簡単なテストであっても、より多くの参加者に展開する前に、プロセスに関する重要な情報を収集するのに役立ちます。

この段階では、対象とする行動が現れるかどうかを確認し、コード化の手法が目的とするデータを収集するのに十分かどうかを検証し、機材や運営面(ウェブカメラの設置場所や参加者への挨拶など)で発生しうる問題を整理することができます。

また、これはコーディングスキームを用いたデータ収集について振り返る良い機会でもあります。そのスキームは、他の研究者が支障なく追従できるほど客観的であるか、そして同じデータから同じ結果が得られるでしょうか。

理想的には、行動のコーディングは2人(またはそれ以上)で行い、コーディング間の一貫性を確認できるようにすべきです。学術研究においては、こうした確認をデータ収集プロセスに組み込むことが不可欠である可能性が高いですが、できるだけ迅速に結果を得たいと考えている場合は、1人によるコーディングを採用する方が有益かもしれません。 経験則として、コーダー間で少なくとも80%の一致が見られることが望ましいとされていますが、これは状況によって異なる場合があります[5]。

実験を一度(場合によっては再)実施したら、次はより多くの参加者を対象にプロトコルを適用する段階です。データを記録しておけば(もちろん参加者の同意を得た上で)、必要に応じて後からデータを再分析することができます。

記事を読む:企業がユーザー体験を定量化する方法

行動データの分析と収集方法

iMotionsでは行動コーディングをさまざまな方法で実施できます。録画後にデータを収集し、コーディングスキームに基づいてアノテーションを行う方法や、データが取り込まれると同時にリアルタイムでアノテーションを行う方法などが可能です。ビデオ、画面録画、ウェブカメラの映像など、さまざまなソースから録画を行うことができます。 また、本ソフトウェア内でアンケートデータを収集することも可能です。さらに、APIを活用することで、研究に関連する他のデータストリームやツールと連携させることもできます。

iMotionsの注釈ツールは、実験中の特定の瞬間をコード化するために設計されています。必要に応じて、指定された各アクションにホットキーを設定でき、録画中にその行動が発生した際、あるいはライブでその行動が行われている最中に、簡単にそのアクションを入力することができます。

ソフトウェア内で行動コーディングをできるだけ簡単に行えるよう、さまざまなツールが用意されています。詳細については、こちらのブログ記事「iMotionsでの行動コーディングの方法」をご覧ください。

iMotionsソフトウェアの最大の利点の一つは、実験に1つまたは複数のバイオセンサーを接続できることです。これにより、行動データのコーディングにかかる負担を軽減することもできます。

例えば、表情分析では、眉をひそめる、目を大きく見開くといった具体的な表情や、喜びや怒りといったより一般的な感情表現を扱うことができます。

また、アイトラッカーは注意のプロセスに関する詳細な情報を提供し、fEMGは身体の動きに関するデータを提供することができる。これらのデータは、行動コーディングスキームによる分析結果を補完したり、裏付けたりするのに役立つ。

行動コーディングをどのような方法で実施するにせよ、事前の計画と準備が役立ちます。行動コーディングは、人間の目で見ることしかできない行動に関する洞察をもたらし、人間の最も複雑な側面を理解する手助けとなります。そのため、その静かな始まりから60年が経過した今でも、行動研究者にとって最も強力なツールの一つとなっています。

Free 52-page Human Behavior Guide

For Beginners and Intermediates

  • Get accessible and comprehensive walkthrough
  • Valuable human behavior research insight
  • Learn how to take your research to the next level

参考文献

[1] Cannell CF、Fowler FJ Jr.、Marquis KH. 世帯調査における回答内容への面接者および回答者の心理的・行動的要因の影響。Vital Health Stat 1 1968; 2: 1–65.

[2] Chorney, J. M., McMurtry, C. M., Chambers, C. T., & Bakeman, R. (2015). 小児心理学における行動コーディングスキームの開発と修正:実践ガイド. Journal of pediatric psychology, 40(1), 154–164. https://doi.org/10.1093/jpepsy/jsu099

[3] Harris F C, Lahey B B. 直接観察評価における被験者の反応性:総説と批判的分析. Clinical Psychology Review. 1982;2:523–538

[4] Kazdin A E. 「観察者効果:直接観察の反応性」。『社会・行動科学の方法論における新たな方向性』1982;14:5–19.

[5] ベイカーマン R、ケラ V. 『行動科学のための逐次分析と観察法』. ニューヨーク州ニューヨーク:ケンブリッジ大学出版局;2011年.


Get Richer Data

About the author


See what is next in human behavior research

Follow our newsletter to get the latest insights and events send to your inbox.