なぜ研究倫理？
研究倫理は「やってはいけないことのリスト」ではなく、自分の研究を信じてもらうための作法です。
科学の世界では、誰かの研究結果を別の誰かが土台にして、次の研究が積み上がっていきます。 この仕組みが成り立つのは、「報告されたデータは正直に取られたものだ」と互いに信頼できるからです。 だからこそ、データの扱い方や引用の仕方には世界共通のルールがあり、 日本では日本学術会議の「科学者の行動規範」[4]や 文部科学省のガイドライン[1]として明文化されています。 これは職業研究者だけのものではありません。学会で発表しレポートを書く中高生の探究活動も、同じ作法の中にあります。
大切なのは、研究倫理がみなさん自身を守ってくれるということ。 測定条件をきちんと記録していれば「本当に測ったの？」と聞かれても胸を張って答えられますし、 出典を示していれば「誰かの真似では？」と疑われることもありません。 ルールを知らずにうっかり不正と同じことをしてしまうのがいちばん怖い——だからこの講座で先に知っておきましょう。
計算ミスや見落としによる間違った結論は、誰にでも起こる誠実な誤り（honest error）であって、研究不正ではありません[1]。間違いに気づいたら訂正すればよいのです。問題になるのは、意図的にデータや言葉をいつわること。この区別をまず覚えてください。
モナズ石などの線源の扱い方（素手で長時間触らない・口に近づけない・決められた場所に保管する）は、倫理ではなく安全のルールとして別に定められています。放射線の性質と人体への影響は「放射線の基礎」講座で学べます。
研究不正の3類型——捏造・改ざん・盗用
世界中の研究機関が「特定不正行為」として定める3つです。頭文字をとってFFPと呼ばれます。
| 類型 | 定義 | 探究活動でやりがちな例 |
|---|---|---|
| 捏造 Fabrication |
存在しないデータや研究結果を作り上げること | 測っていない条件の値をグラフに描き足す。「たぶんこうなるはず」で表を埋める |
| 改ざん Falsification |
データや研究過程に手を加え、結果を真正でないものにすること | 仮説に合わない測定点を消す。外れた値だけ測り直して差し替える。グラフの軸を操作して差を誇張する |
| 盗用 Plagiarism |
他人のアイデア・データ・文章などを、了解や適切な表示なく使うこと | Webサイトや論文の文章を出典なしでコピーする。先輩の発表資料の図を無断で使う |
予想と違う点、きれいに並ばない点を黙って取り除くのは、立派な研究不正（改ざん）です。外れた値を除外する正当な理由（装置の不調が記録されている等）がある場合は、除外したことと理由をレポートに書けば問題ありません。「黙って消す」か「書いて示す」か——その違いがすべてです。
正直に報告する
予想と違う結果は、失敗ではありません。「そうならなかった」と正直に書くことが研究の価値になります。
探究を進めると、必ず「予想と違う」「うまく説明できない」結果に出会います。 そこで結果を曲げたくなる誘惑こそ、研究不正の入口です。 でも思い出してください——科学の歴史では、予想外の結果こそが大発見につながってきました。 ペンジアスとウィルソンは、アンテナから消えない「雑音」を正直に追いかけて、 宇宙誕生の名残（宇宙マイクロ波背景放射）を発見し、ノーベル賞を受賞しています。
また、自分の測定の限界を認めて書くことは、レポートの減点要素ではなく、むしろ誠実さの証拠です。 「統計量が足りず2条件の差は確認できなかった」「温度の影響を分離できていない」—— こうした記述があるレポートは、読み手（査読者や審査員）からの信頼がぐっと高まります。
正直な報告のチェックリスト
- 仮説に合わなかったデータもすべて示したか（いいとこ取りをしていないか）。
- データを除外した場合、除外の基準と理由を書いたか。
- 「確実に言えること」と「可能性として考えられること」を区別して書いたか。
- 測定や解析の限界・課題を認めて書いたか。
- 結果を見てから仮説を「当たっていたこと」に書き換えていないか。
統計的に有意な差が出なかったら、それは「統計の基礎」講座で学ぶとおり「この統計量では差を検出できなかった」という立派な定量的結論です。無理に差があるように見せる必要はまったくありません。
データの管理
生データは研究の一次証拠。消さない・上書きしない・記録を残す、が鉄則です。
「このグラフ、本当にそのデータから作ったの？」と聞かれたとき、 生データと測定ログがあれば、いつでも証明できます。 逆にデータの管理がずさんだと、不正をしていなくても疑いを晴らせなくなる—— データ管理は、研究の信頼性そのものなのです。
データ管理のルール
- 生データは絶対に上書き・削除しない。加工は作業用コピーで行う。
- 測定が終わったらその日のうちに共有ドライブなどへバックアップする（PCの故障・誤削除への備え）。
- 測定ログを残す：日時・場所・温度・検出器ID・設置条件と、対応するデータファイル名。
- ファイル名は
YYYYMMDD_場所_条件.csvのように規則を決めて付ける。 - 解析コード（ノートブック）も保存し、どのデータからどの図を作ったかたどれるようにする。
日本学術会議は、論文発表後資料（数値データ・画像・ノートなど）は原則10年、試料・標本などの「もの」は原則5年保存することを目安として示しています[3]。探究活動でも「発表が終わったら消す」のではなく、データ一式を残しておきましょう。後輩がその研究を引き継ぐときの宝にもなります。
引用のルール
他人の言葉やデータを使うこと自体は、研究の正当な営みです。「どこから借りたか」を示せば盗用にはなりません。
なぜ引用するのでしょうか。理由は3つあります。 ①読み手が元の情報を確かめられるようにするため（検証可能性）、 ②先人の仕事に敬意を示すため、 ③自分の主張と他人の主張を区別するため。 この3つが満たされていれば、引用はむしろレポートの説得力を高めてくれます。
正しい引用の条件
日本の著作権法（第32条）では、公表された著作物は引用して利用できると定められています。 ただし条件があります。[6]
引用が満たすべき条件
- 主従関係：あくまで自分の文章が「主」、引用部分は「従」。引用の寄せ集めはNG。
- 明確な区別：かぎ括弧などで、引用部分と自分の文章をはっきり分ける。
- 出所の明示：誰の・何という文献かを示す（参考文献リスト＋本文中の番号）。
- 必然性：その引用が議論に必要であること。
参考文献の書き方
| タイプ | 書き方 | 例 |
|---|---|---|
| 学術論文 | 著者名, 雑誌名, 巻, ページ (出版年) | 川田和正, RADIOISOTOPES, 68, 829 (2019) |
| 書籍 | 著者名,『書名』, 出版社 (出版年) | 小田稔,『宇宙線』, 裳華房 (1972) |
| Webサイト | 著者またはサイト名, "ページタイトル", URL（最終アクセス日） | 気象庁, "過去の気象データ検索", https://www.data.jma.go.jp/…（2026年6月13日閲覧） |
「Aという論文にBの結果が紹介されていた」とき、Bを読まずにBを引用するのが孫引きです。紹介が間違っていたら、その間違いごと引き継いでしまいます。原則として実際に自分が読んだ文献を引用し、原典にあたれない場合は「Aによれば（文献B）」と正直に書きましょう。
Wikipediaは調べ始めの入口としては便利ですが、内容が日々書き換わるため参考文献には適しません。記事の脚注から元になった論文・書籍をたどって、そちらを引用しましょう。文献の探し方とDOIの使い方は「先行研究の調べ方」講座で解説しています。
著者と謝辞のルール
誰を著者に載せるかは「偉いかどうか」ではなく、研究にどれだけ実質的に貢献したかで決めます。
論文や発表の著者（オーサー）になるのは、研究の構想・測定・解析・執筆などに実質的な貢献をした人です。 著者になるということは、成果の名誉を分かち合うと同時に、内容に責任を持つということでもあります。 逆に、実質的な貢献のない人を名前だけ載せる（ギフト・オーサーシップ）、 貢献した人を載せない（ゴースト・オーサーシップ）は、どちらも不適切とされています。[2]
貢献はしたけれど著者と呼ぶほどではない協力——助言、機材の提供、場所の提供など——は、謝辞（Acknowledgements）で感謝を表します。 メンターや指導の先生をどちらに入れるかは、貢献の内容によって変わるので、発表の前に必ず本人と相談しましょう。
| 貢献の内容 | 扱い |
|---|---|
| テーマの構想、測定、解析、執筆を担った | 著者 |
| 解析方法の助言、原稿への詳細なフィードバック（メンターなど） | 著者または謝辞（貢献の深さで相談） |
| 機材の貸与、測定場所の提供、資金面の支援 | 謝辞 |
| 役職があるだけで研究には関与していない | 載せない（ギフト・オーサーシップになる） |
「本研究を進めるにあたり、◯◯氏には解析方法について多くの助言をいただきました。また、宇宙線検出器の貸与と継続的なご支援をいただいた加速キッチン合同会社に感謝いたします。」
——誰に・何をしてもらったかを具体的に書くのがポイントです。発表先によって書式の規定がある場合は、そちらに従ってください。
生成AIを使うときのルール
生成AIは強力な道具です。ただし情報源ではありません。この区別がすべての出発点です。
ChatGPT・Gemini・Claudeなどの生成AIは、解析コードの作成補助、英語論文の翻訳、文章の推敲など、探究活動の心強い相棒になります。 文部科学省のガイドラインでも、学習段階に応じた適切な活用が推奨されています。[7] 一方で、研究で使うときには守るべき一線があります。
| 使い方 | 判定 | 理由・条件 |
|---|---|---|
| 解析コードの作成・デバッグの補助 | ✅ OK | ただしコードの内容を理解してから使う。結果の正しさの責任は自分にある |
| 英語論文の翻訳・要約、検索キーワードのアイデア出し | ✅ OK | 重要な箇所は原文・原典で確認する |
| レポート下書きへのフィードバック・推敲 | ✅ OK | 最終的な文責は自分。丸写しではなく自分の言葉に直す |
| AIが紹介した論文をそのまま引用する | ⚠️ 注意 | 実在しない論文のことがある。必ず検索して実在と内容を確認し、原典を読んで引用する |
| AIの回答を出典として引用する（「ChatGPTによれば…」） | ❌ NG | AIは情報源ではなく道具。読み手が検証できない。元の論文・書籍を探して引用する |
| AIが書いた文章を自分が書いたことにして提出する | ❌ NG | 多くの学会・コンテストの規定に反する。使用したことを開示する（下記） |
生成AIは、実在しない論文・著者・数値を、本物そっくりの体裁で出力することがあります（ハルシネーション）。AIが挙げた文献・事実・数値は、必ず一次情報にあたって確認してから使いましょう。AIを使った文献の調べ方のコツは「先行研究の調べ方」講座も参照してください。
使ったことを開示する
生成AIを研究の道具として使った場合は、何の目的で・どう使ったかをレポートの方法のセクションなどに書いて開示します。 隠す必要はまったくありません。開示しないまま使うほうが、後で問題になります。
「Pythonコードの作成補助にChatGPT（GPT-4）を使用した。生成されたコードは著者が内容を確認・修正した上で使用した。」
「英語文献の下訳にClaudeを使用し、訳文は原文と照合して確認した。」
生成AI利用の5原則
- AIの出力は必ず自分で確認する（AIは間違える）。
- AIが挙げた文献は実在するか確かめ、原典を読んで引用する。
- AIの出力そのものを出典として引用しない。
- 使ったら開示する（目的と使い方を方法に書く）。発表先の規定も確認する。
- 未公開の測定データや個人情報を不用意に入力しない。
参考文献・出典
この講座は、以下の公的なガイドライン・テキストに基づいています。より深く知りたい人は[2]がおすすめです（無料で公開されています）。
- 文部科学省「研究活動における不正行為への対応等に関するガイドライン」（平成26年8月26日 文部科学大臣決定）—— mext.go.jp（研究公正ポータル）
- 日本学術振興会「科学の健全な発展のために」編集委員会 編『科学の健全な発展のために——誠実な科学者の心得——』(2015) —— jsps.go.jp（全文無料公開）
- 日本学術会議 回答「科学研究における健全性の向上について」(2015) —— scj.go.jp（PDF）（研究資料は原則10年、試料は原則5年の保存目安を含む）
- 日本学術会議「声明 科学者の行動規範—改訂版—」(2013) —— scj.go.jp（PDF）
- 研究倫理eラーニング：APRIN（公正研究推進協会）／JST 研究公正ポータル
- 文化庁「著作物が自由に使える場合」（著作権法第32条 引用）—— bunka.go.jp
- 文部科学省「初等中等教育段階における生成AIの利活用に関するガイドライン（Ver.2.0）」(2024) —— mext.go.jp