紙カードか画面か？カードソーティングの媒体はどう選ぶべきか

あるクライアントが120ページの製品カタログをリニューアルし、あわせて公式サイトのメニュー構造も刷新することになった。あなたは事前のカードソーティング（card sorting）を提案する。製品名をカードに書き出し、社内営業や代理店に分類してもらうことで、「現場の頭の中にある分類」と「社内の品番管理ロジック」にどれほどの乖離があるかを把握するためだ

ここで即座に問題が持ち上がる。被験者は3つの地域に分散しており、来社できる人もいればオンラインでしか参加できない人もいる。媒体を統一するために全員を無理やり1つのテーブルに集めるべきか？それとも紙カードとオンラインツールを半々にして混在したまま収集すべきか？

これは事務手続きの問題ではなく、方法論の問題だ。媒体の違いが分類結果そのものに影響を与えるかどうかによって、2つのデータを合算して分析できるかが決まる。以下、実務上の4つの問いを通じて、選定条件を整理していく

差異は存在するが、どちらか一方が誤った手法になるほど致命的なものではない。これが既存の比較研究が示している方向性だ。コンピュータ上での実施と紙カードによる実施形態を体系的に比較した研究は、まさにこの疑問に基づいて設計されており、2つの媒体から得られる分類結果が等価とみなせるかに分析の焦点を当てている [1]

実務的な観点から見ると、差異は「正しく分類できたか」ではなく、「分類のプロセスがどう進むか」に現れる：

・100枚の紙カードを机に広げると、被験者は視野の端でまだ配置されていないカードを捉えられ、すでに固まったグループをいつでも崩して再構築できる

・デジタルツールではスクロールやページ送り、ドラッグ可能範囲の制約を受けるため、被験者は先に見えたカードから順に配置し、後から出てきたカードを既存のグループに押し込む傾向がある

具体的には、紙カードのセッションでは「想定外の第3のカテゴリー」が生まれやすく、デジタルセッションでは少数の大カテゴリーへと収束しやすい。未知の構造を探索する段階では紙カードが有利であり、既存の構造を検証する段階であればデジタルで十分かつコストも抑えられる

判断基準は「研究の目的」であり、予算や被験者の居住地ではない。問題をまず2つの箱に振り分けよう：

紙カードを選ぶべきタイミング

・オープンソート（open sort）：カテゴリー数が自分たちでもまだ定まっていないとき

・思考発話法（think-aloud）が必要なとき：被験者の迷いや試行錯誤のプロセスそのものが欲しく、最終結果だけでは不十分な場合

・カードの内容に触覚的な手がかりが必要なとき：用紙の連量、手触り、後加工サンプルそのものが分類対象である場合。このとき「カード」は単なる情報の媒体ではなく製品そのものであり、デジタル化すると検証すべき変数が消滅してしまう

・サンプルサイズが小さいとき（10〜15人）：統計的なクラスタリングではなく、定性的な解釈を目的とする場合

デジタルツールを選ぶべきタイミング

・クローズドソート（closed sort）：カテゴリーがすでに決まっており、各アイテムの所属を検証したいとき

・被験者が分散しており、統計分析のためにサンプルサイズを30人以上に引き上げる必要があるとき

・ステップごとの操作ログ（各カードを何回動かしたか、何秒迷ったか）が必要なとき：紙カードのセッションでは録画しない限り取得できないデータだ

先ほどのカタログの案件なら、合理的な進め方はこうだ。まず紙カードを使い、社内営業やベテラン代理店8〜10名で候補となる骨組みを導き出す。そのうえでデジタルツールを用いたクローズドソートに切り替え、外部顧客40名以上でその構造が実際のユーザーに通用するかを検証する。2つのフェーズ、2つの媒体、2つの目的。2つのデータを無秩序に混ぜ合わせるのではない

最大のリスクは妥当性の欠如ではなく、媒体による差異を「被験者の差異」と誤読してしまう点にある

紙カード組が7つのカテゴリーを作り、デジタル組が4つしか作らなかった場合、それが「2つのグループのメンタルモデルの違い」によるものなのか、それとも「媒体ごとの操作負荷の違い」によるものなのか見分けがつかない。データを混在させて収集すると、媒体が未制御の変数となり、観察対象の変数と交絡してしまう

実務的なアプローチは以下の3段階だ：

1. 原則として混ぜない。1回の調査内では媒体を統一する

2. どうしても混在させる場合は、媒体を変数として記録する。 分析フェーズではまず層別分析を行い、両グループの構造が近いことを確認してから統合を検討する

3. レポートに媒体の内訳を明記する。 これは再現性を担保する基本要件であり、将来誰かがあなたの結論を引用する際に知るべき境界条件でもある

ここで、よくある用語の混同についても整理しておきたい。データ分析ソフトウェアにおける「sorting data / selecting cases」は、構築済みデータセットの並べ替えやケースの抽出を指し [2][3]、分析フェーズの操作に属する。一方、デザインリサーチにおけるカードソーティング（card sorting）は、分類構造を立ち上げるためのデータ収集手法である [1]。どちらも「sorting」と呼ばれるが、一方はデータ生成の前、もう一方は後に行われる。学際的な文献検索の際にキーワードを混同すると、無関係な検索結果を大量に拾うことになる

明確な強みがあり、それは「分類対象そのものが物質性を持つ場合」に集中している

見本帳の紙サンプル、後加工サンプル（箔押し、エンボス、部分ニス）、連量や厚みの異なる名刺サンプルなど。被験者がそれらを分類する基準には、手触り、厚み、光の反射、紙の擦れる音が含まれる。これらは画面上では再現できない。「表現力が足りない」のではなく、デジタルという媒体の伝達領域の外側にあるのだ。顧客が紙材を頭の中でどう分類しているかを調査する際、紙カードは選択肢の一つではなく、唯一の選択肢となる

もう一つのシーンは、意思決定の場そのものが物理空間にある場合だ。展示会の動線設計、売場の陳列棚、カタログの見開きにおけるページめくり順など。これらのタスクが持つ空間構造は、机の上にカードを広げる空間構造と同型であり、紙カードのほうがシミュレーションの忠実度が高い

逆に、分類する対象が純粋な情報要素（ページのタイトル、機能名、記事のタグなど）であり、物質性が判断に入り込まないなら、デジタルツールの方がコスト・規模・データの完全性において優れている。その状況で紙カードに固執するのは、手段の形骸化にすぎない

プロジェクトの立ち上げ段階で、以下の3点を調査計画書に落とし込んでおく。実施の1週間前になってから迷うようなことは避けるべきだ：

・調査目的は探索か検証か：オープンソートかクローズドソートかを決定する

・分類対象に物質的属性があるか：紙カードが不可欠かどうかを決定する

・サンプル規模と分析手法は定性的解釈か統計的クラスタリングか：媒体とセッション数を決定する

この3条件を整理すれば、媒体の選択肢はおのずと1つに定まり、余計な議論の余地はなくなる

適用限界：上記の判断基準は、被験者がどちらの媒体に対しても明確な操作障壁を持たないことを前提としている。被験者層のデジタルツールのリテラシーに大きな開きがある場合（例：ベテランの現場職人と若手マーケターが混在するなど）、デジタルセッションにおける操作負荷そのものが結果を歪めてしまう。この場合は、調査目的が検証寄りであっても、紙カードの採用や対面でのサポートを優先し、レポート内にその調整を明記するべきだ。同様に、多言語・異文化間での調査では、媒体以外の変数の影響が媒体自体の影響を上回ることがあり、本稿の判断基準を再調整する必要がある

紙とデジタルのカードソーティングの差異は、主にプロセスと視界の広さにあり、結果の正否にあるのではない。既存の研究でも両者は相互に比較可能な手法として扱われている [1]

未知の分類構造を探索する場合は紙カードを優先し、既存の構造を検証する場合はデジタルツールのほうが低コストで十分な効果を発揮する

分類対象に手触り、連量、後加工などの物質的属性が含まれる場合、紙カードをデジタル媒体で代替することはできない

同一の調査ラウンド内では媒体を統一すべきである。どうしても混在させる場合は、媒体を分析用の変数として記録し、層別分析を行う必要がある

デザインリサーチの card sorting と統計ソフトの sorting/selecting cases は異なるフェーズの操作であり、文献検索時にキーワードを混同してはならない [1][2][3]

印刷・製造の現場にとって、カードソーティングの媒体選定は、見落とされがちな事実を思い出させてくれる。用紙や加工の見本帳は、見積もり時の添付資料にとどまらず、それ自体がリサーチツールになり得るということだ。もし見本帳を1枚ずつ取り外して分類できる形式にしておけば、クライアントの分類ロジックを可視化でき、その後の品揃え計画やカタログ構成に直結する価値を生む。デザイン側にとっては、2段階のアプローチ（紙カードで探索 → デジタルで検証）がコストをコントロール可能な標準プロセスとなり、定性的な手法に無理な統計的期待を押し付ける失敗を防げる。AI導入の好機は、デジタルセッションのプロセスデータにある。ドラッグの軌跡、迷った時間、配置変更の回数といったシグナルは、現状その多くが捨てられているが、これらを構造化して保持できれば、クラスタリングモデルにとって稀少な高品質の入力データとなる。SaaSプロダクト側の課題も明確だ。既存のカードソーティングツールはほぼ最終結果しか記録せず、プロセスの完全な記録や混在媒体データの層別分析機能が不足している。「媒体を変数として制御する」機能をいち早く製品に組み込んだプラットフォームが、この手法における最大の空白を埋めることになるだろう

[1] Goetz（2114）. Different or alike? Comparing computer-based and paper-based card sorting. International Journal of Strategic Innovative Marketing. DOI: 10.15556/ijsim.01.01.003

[2] Sorting Data and Selecting Cases. Data Analysis Using SAS Enterprise Guide. DOI: 10.1017/cbo9780511804786.006

[3] Selecting, Sorting and Weighting Cases. Applied Statistics with SPSS. DOI: 10.4135/9781446249390.n10