IB 資料評価の方法｜EE・IAで使える文献の選び方と信頼性チェック
EEやIAで「どの資料が使えるか」と迷ったことはありませんか？信頼性の低い文献を引用すると評価に直結するため、体系的な資料評価のスキルが不可欠です。
EE・IAで「使える文献」と「使えない文献」はどう違うのか
Extended Essay（EE）やInternal Assessment（IA）に取り組む際、多くのIB生が最初につまずくのが資料選びだ。「とりあえずウェブで検索して引用する」という方法では、採点基準における「研究の信頼性」や「批判的思考」の観点で評価を下げてしまうリスクがある。
結論から言えば、信頼できる資料とは「誰が・いつ・どのような目的で・どのような方法で作成したかが明確な資料」だ。それを判断するための体系的な枠組みが、CRAAPやSLACCなどの評価フレームワークである。これらはIBの評価基準に直接対応しているわけではないが、文献の質を多角的に点検する訓練として非常に有効だ。
この記事では、EE・IAで使える文献の選び方と信頼性チェックの方法を、科目ごとの特性も踏まえて解説する。
CRAAPとSLACCとは何か｜資料評価フレームワークの基本
CRAAPテスト：5つの軸で資料を点検する
CRAAPテストはカリフォルニア州立大学チコ校の図書館員が開発した、資料の信頼性を評価するフレームワークだ。頭文字はそれぞれ以下を意味する。
| 軸 | 英語 | 確認する問い |
|---|---|---|
| 通貨性 | Currency | いつ発行・更新されたか？ 情報は現在も有効か？ |
| 関連性 | Relevance | 自分のリサーチ・クエスチョンに直接関係するか？ 対象読者は誰か？ |
| 権威性 | Authority | 著者・出版社は誰か？ その分野での専門性は確認できるか？ |
| 正確性 | Accuracy | 根拠・参照文献はあるか？ 査読されているか？ 再現可能な方法か？ |
| 目的 | Purpose | 情報を提供・説明・説得・宣伝のどれで作られているか？ バイアスはないか？ |
SLACCフレームワーク：一次資料にも対応した補完的視点
SLACCはCRAAPに似た別の評価モデルで、情報の出所の透明性を重視する。
| 軸 | 英語 | 確認する問い |
|---|---|---|
| 出典 | Source | 誰が作ったか、その動機は何か |
| 文脈 | Language & Tone | 感情的・中立的、どちらのトーンで書かれているか |
| 著者 | Author | 専門性・資格・所属はあるか |
| 引用 | Citations | 他の信頼できる資料を引用しているか |
| 裏付け | Corroboration | 複数の独立した情報源で内容が確認できるか |
資料の種類ごとの信頼性はどう考えればいいか
資料の種類によって、信頼性の傾向と活用上の注意点は大きく異なる。以下に主な資料タイプをまとめた。
| 資料の種類 | 信頼性の傾向 | 主な活用場面 | 注意点 |
|---|---|---|---|
| 査読済み学術論文 | 高い | 理系・社会科学系のEE・IAの主要論拠 | 発行年・著者の専門性・研究方法の妥当性を確認 |
| 政府・国際機関の統計 | 高い | データ引用・比較分析（経済・社会科学） | 調査対象・定義・収集方法を確認 |
| 一次資料（文書・作品・記録） | 高い（文脈依存） | 歴史・文学のEE・IAの核 | 誰が・いつ・なぜ作成したかの文脈が重要 |
| 学術書・教科書 | 比較的高い | 背景知識・理論の説明 | 改訂版や発行年に注意 |
| 新聞・雑誌（報道機関） | 中程度 | 事例紹介・時事的文脈 | 見解と事実を区別する |
| Wikipedia・一般サイト | 低〜中程度 | 背景確認・参考文献の発見 | 主要論拠には使わない |
| SNS・個人ブログ | 基本的に低い | 原則として学術論文には不適 | 一次資料として分析対象にする場合は別 |
査読（Peer Review）が重要な理由
査読（Peer Review）とは、論文が学術誌に掲載される前に、同分野の専門家が内容・方法・結論の妥当性を審査するプロセスだ。これを経た論文は方法論的なチェックが済んでいるという点で信頼性の基準が高い。ただし査読済みであっても、研究デザインの限界・サンプルサイズ・利益相反（Conflict of Interest）の有無など、批判的に読む姿勢は必要だ。
IBのEE・IAで高評価を得るためには、「この資料を使うという選択の理由」を自分で説明できる状態にしておくことが大切だ。
科目別｜「信頼できる資料」の定義はどう変わるか
「信頼できる資料」は科目の性格によって意味が異なる。同じ発行年の新聞記事でも、歴史のEEでは重要な一次資料になり、生物のIAでは補助的な背景資料にしかならない。
理系科目（生物・化学・物理・数学）
理系科目では、実験方法の再現性と測定の妥当性が最重視される。
- 主要資料の中心：査読済みの学術論文（PubMed、Google Scholar、JSTOR等で入手可能）
- データの引用元：公的機関・学術機関が公開している一次データ
- 教科書の扱い：背景説明には有効だが、IAの主要論拠には弱い傾向がある
- 注意点：実験データに関しては、論文の「Materials and Methods」セクションまで確認し、手法の妥当性を評価する
IB生物 HL 完全ガイドでも触れているが、生物の IAでは実験デザインそのものの信頼性が評価の大きな軸になる。資料の信頼性と自分のデータの信頼性、両方を意識することが重要だ。
IB化学 HL 完全ガイドでも同様に、IAにおいては文献の選び方と実験方法の整合性がポイントになる。
人文・歴史系科目（歴史・English A・第一言語）
人文系では、一次資料（Primary Sources）の解釈と文脈化が中心的な作業になる。
- 一次資料の例：歴史的文書・外交電報・日記・新聞（当時のもの）・文学作品そのもの
- 二次資料の役割：一次資料の解釈を補強・対比するために使う
- 文学系EEの注意点：テキストそのものが一次資料であり、批評論文は二次資料として扱う
IB English A（言語と文学）完全ガイドで解説しているように、文学系のEEでは批評的アプローチの多様性を示すために複数の研究者の見解を引用することが求められる。使う批評資料の著者の専門性・所属機関・出典元は必ず確認しよう。
社会科学系科目（経済・心理・地理）
社会科学系では、データの出典と調査方法の透明性が特に重要になる。
- 優先する資料：政府統計・国際機関（IMF・World Bank・WHO等）の公式レポート・査読済み論文
- 注意が必要な資料：シンクタンクやNGOのレポートは政治的バイアスを持つ場合があるため、発行団体の性格を調べること
- メディア記事の扱い：事例を示す補助資料としては使えるが、主要な論拠にはしない
IB経済 HL 完全ガイドでは、IAでの事例分析において適切な資料の選択が評価に直結することを詳しく説明している。経済のIAでは特に「引用した記事・データが研究のスコープと合っているか」を問われる。
具体的にどうやって資料の信頼性をチェックするのか｜実践的なステップ
フレームワークを知っていても、実際の手順がわからないと動けない。ここでは資料1本をチェックする際の実践的なフローを示す。
ステップ1：著者と発行元を確認する
まず「誰が書いたか」を調べる。著者名でウェブ検索し、以下を確認する。
- 大学・研究機関・政府機関への所属があるか
- その分野での他の発表実績があるか（Google Scholarで著者名を検索する）
- 記事に著者のプロフィールや資格が明記されているか
著者が不明、または発行元が個人サイト・営利目的のサイトの場合は、主要論拠への使用を避ける。
ステップ2：発行年と更新状況を確認する
発行年の適切さは科目・トピックによって大きく異なる。
- 科学系：数年以内の論文が望ましいが、基礎理論を示す古典的論文は例外
- 歴史・文学：古い一次資料は価値があるが、それを分析した二次資料は比較的新しいものも確認する
- 社会科学：データが現在の議論に対応しているか確認する
「いつ発行されたか」が明記されていないウェブサイトは要注意だ。
ステップ3：出典・参考文献リストを確認する
信頼できる資料には、必ず参照文献リスト（References / Bibliography）がある。これを確認することで2つのことがわかる。
- その資料自体が他の学術資料に基づいているかどうか
- 参考文献リストから新たな関連資料を発見できる（「芋づる式サーチ」）
特に学術論文では、引用された文献の質がその論文の質を反映することが多い。
ステップ4：内容のバイアスと目的を評価する
CRAAPのPurpose（目的）とSLACCのLanguage & Tone（言語とトーン）を組み合わせて評価する。
- 感情的・扇動的な言葉が多く使われていないか
- 反論・対立する見解が公平に扱われているか
- 特定の企業・政党・イデオロギーを宣伝する意図はないか
- 「常識的に」「誰でも知っているように」などの根拠なし断定表現がないか
ステップ5：複数の資料で内容を照合する（Corroboration）
単独の資料だけを根拠にすることは学術的に弱い。主要な主張は少なくとも複数の独立した資料で裏付けられるか確認する。これはSLACCの「Corroboration」の考え方だ。
特にウェブ上の情報は、1つの誤情報が多数のサイトにコピーされて広まるケースがある。「同じ情報が複数のサイトにある」ことと「複数の独立したソースが確認している」ことは別物だ。
資料検索はどこから始めるべきか｜使えるデータベースと検索戦略
使えるデータベースの一覧
学校によってアクセスできるリソースは異なるが、以下は多くのIB生が活用しているものだ。
| データベース | 特徴 | 特に向いている科目 |
|---|---|---|
| Google Scholar | 無料・幅広い学術文献 | 全科目の基本 |
| PubMed | 生命科学・医学に特化 | 生物・化学・心理 |
| JSTOR | 人文・社会科学の学術誌 | 歴史・経済・English A |
| ERIC | 教育分野に特化 | TOK・教育系トピック |
| World Bank Open Data | 経済・開発統計 | 経済・地理・社会科学 |
| WHO / OECD / UN Stats | 国際統計・レポート | 経済・社会科学・地理 |
| Project MUSE | 人文学・社会科学の学術誌 | 文学・歴史・哲学 |
検索語の作り方：リサーチ・クエスチョンから逆算する
EEやIAのリサーチ・クエスチョン（Research Question）が決まったら、そこからキーワードを抽出して検索する。
例：
- RQ「気候変動政策はX国の農業生産量にどのような影響を与えたか」
- キーワード候補：climate policy, agricultural output, [国名], impact, yield
検索の際は論理演算子（AND / OR / NOT）を使うと精度が上がる。また、最初は広めに検索し、見つかった論文の参考文献リストから関連論文へと絞り込む「バックワードサーチ」が効果的だ。
フルテキストが入手できないときの対処法
査読論文はしばしば有料壁（Paywall）の背後にある。対処法としては以下がある。
- 学校の図書館司書に依頼するとデータベースへのアクセスを提供してもらえることがある
- 著者名 + 論文タイトルで検索すると、著者個人サイトや大学リポジトリで無料公開されているケースがある
- PubMed Centralでは多くの生命科学系論文がオープンアクセスで公開されている
- Google Scholarの「All versions」から別のアクセス先を探す
引用と参考文献リストはどう整理すればよいか
引用スタイルを確認する
IBでは特定の引用スタイルが統一的に義務付けられているわけではないが、一貫性と透明性が求められる。学校や科目担当教員の指定を必ず確認すること。代表的なスタイルとして以下がある。
| スタイル | 主な使用分野 |
|---|---|
| MLA | 文学・人文系 |
| APA | 心理・社会科学系 |
| Chicago / Turabian | 歴史・一部の社会科学 |
| Vancouver | 医学・生命科学 |
どのスタイルを使うにしても、著者・発行年・タイトル・出版社または掲載誌・URL（ウェブの場合）・アクセス日が最低限含まれることが多い。Zotero・Mendeleyなどの無料の文献管理ツールを使うと、引用リストの管理が格段に楽になる。
引用の「量」より「質」
引用文献の数を増やすことよりも、なぜその資料を選んだか説明できることの方が重要だ。IBの評価では批判的思考（Critical Thinking）が評価される。多くの資料を羅列するよりも、少数の信頼性の高い資料を適切に評価・比較しながら論じる方が高い評価につながることが多い。
IB Extended Essay (EE) の書き方やIB Internal Assessment (IA) の書き方でも詳しく説明しているが、EE・IAにおける「知識の主張」はその根拠の質によって支えられる。信頼性の低い資料に依存した論述は、どれほど文章が上手くても土台が脆い。
よくある失敗パターンと対処法
失敗1：Wikipediaを直接引用する
Wikipediaは情報の出発点としては有効だが、誰でも編集可能なため学術論文の直接引用には適さない。正しい使い方は「Wikipediaの記事末尾の参考文献リストから一次資料・学術論文を探す」ことだ。
失敗2：発行年の古い統計を最新データのように使う
特に経済・社会科学系のIAで起こりやすい。「データが古い」という指摘は評価を下げる。資料を使う際は必ず発行年を確認し、より新しいデータが存在しないか検索する。
失敗3：英語以外の資料を避ける
日本語・フランス語・スペイン語などの資料は、特定のトピックでは英語圏にない視点を提供することがある。IBは多様な視点を重視しており、適切に翻訳・引用できれば強みになる。ただし引用の際は原文の言語を明記する。
失敗4：資料をまとめるだけで批判的評価をしない
EE・IAの評価基準では、資料を単に要約するだけでなく批判的に評価することが求められる。「この研究ではサンプルサイズが小さく一般化に限界がある」「この統計はX年時点のものであり、現在の状況とは異なる可能性がある」という形でコメントを加えると評価が上がる。
失敗5：オンラインで見つけたPDFを無批判に信頼する
PDFファイルであっても査読論文とは限らない。学術機関名・DOI（デジタルオブジェクト識別子）・掲載誌名を確認する。「学術的に見える書式」と「実際に査読されているかどうか」は別問題だ。
まとめ｜資料評価は「批判的思考力」そのもの
資料の信頼性チェックは、単に「正しい資料を使う」ためだけの作業ではない。なぜその資料を採用し・なぜ別の資料を除外したかを論理的に説明できる力こそが、IBが評価しようとしている批判的思考力（Critical Thinking）の核心だ。
CRAAPやSLACCのフレームワークは、その思考プロセスを体系化したツールに過ぎない。大切なのはフレームワークを覚えることではなく、「この資料は信頼できるか、どの程度信頼できるか、その理由は何か」と自分に問い続ける習慣を身につけることだ。
具体的な引用スタイルや科目ごとの評価基準の詳細は、最新の公式 subject guide・学校の担当教員・各大学の公式要項で必ず確認してほしい。資料選びの段階から迷いがある場合は、IB経験者のサポートを活用するのも一つの選択肢だ。Quick IBでは、EE・IAの資料選びから論証構造の作り方まで、個別の状況に応じた指導を行っている。