英語論文の『図表のキャプション』を科学的に正しく書く！査読者が評価する「情報密度」と「再現性担保」の完全実践ガイド

英語で研究論文を執筆する際、図や表はあなたの研究成果を視覚的に伝える強力なツールです。しかし、その図表自体がどれほど優れていても、適切な説明がなければ読者はその意図や重要性を完全には理解できません。図表の下や横に付ける短い文章、それが「キャプション」です。このキャプションは、単なるラベルではなく、視覚情報を言語化し、読者の理解を確実に補助するための重要なパーツです。査読者は、この短い文章の中に、研究者としての厳密さとコミュニケーション能力を見ています。では、査読者が高く評価する「科学的に正しいキャプション」とはどのようなものでしょうか。

査読者が見ている！優れたキャプションが満たす3つの科学的基準

優れたキャプションは、単に「Figure 1. Results of experiment A.」と書かれているだけではありません。査読や他の研究者による追試という科学的プロセスを支えるために、以下の3つの基準を満たしている必要があります。

「自己完結性」：図表だけでストーリーが追える状態

理想的なキャプションは、本文を読まなくても、図表とそのキャプションだけで研究のポイントが理解できる「自己完結性」を持っています。読者は論文を前から順に読むとは限りません。多くの研究者は、まずアブストラクトと図表を確認して論文の価値を判断します。そのため、キャプションには「何が示されているか」だけでなく、「それが何を意味するのか」という解釈や結論のエッセンスまでを含めることが求められます。

悪い例：何が示されているかだけ

良い例：何が、どうなった、なぜ重要かまで

比較項目	悪い例（情報不足）	良い例（自己完結的）
内容	Figure 1. Concentration of X over time.	Figure 1. Concentration of X increased significantly over 24 hours, indicating a time-dependent reaction.
問題点・利点	「Xの濃度が時間とともに変化した」という事実のみ。増加したのか減少したのか、その意味は不明。	「増加した」「時間依存性を示している」という結果と解釈を含み、図を見なくても要点が伝わる。

「情報密度」：冗長さを排し、本質的な情報を凝縮する

自己完結性を高めようとするあまり、冗長な説明を長々と書いてはいけません。キャプションは簡潔であるべきです。ここで求められるのは「情報密度」、つまり限られた文字数の中に本質的な情報を最大限に凝縮する技術です。Methodsセクションに既に詳細が書かれている実験手順をキャプションで繰り返す必要はありません。代わりに、その図表を理解するために絶対に必要な条件やパラメータに焦点を絞ります。例えば、使用した重要な試薬の濃度や、グラフの軸の意味を決定づける条件などです。

「再現性担保」：第三者が追試できる十分な情報の提供

科学の根幹は再現性です。キャプションは、他の研究者があなたの結果を再現したり、比較したりするために必要な最小限の情報を提供する責任があります。これは「情報密度」と表裏一体の概念です。Methodsセクションの詳細な記述を全てキャプションにコピーするのではなく、「この図の結果を得るためのキーとなる条件は何か」を選び出して記載します。統計解析が施されている場合は、その手法（例: t-test, ANOVA）と有意差を示す記号（*, **）の定義を必ず含めなければなりません。

Figure（結果図）のキャプション：データの「主張」を明確に伝える4層構造テンプレート

結果を表す図（Figure）のキャプションは、最も重要な情報伝達の場です。ここで失敗すると、図の美しさやデータの厳密さが台無しになります。優れたキャプションは、単に「何が描かれているか」ではなく、実験者がそのデータを通じて何を主張したいのかを読者に伝える「ミニ論文」のようなものです。これを体系的に書くための強力なフレームワークが、「4層構造テンプレート」です。

Layer 3（事実）とLayer 4（解釈）を混同しないことが最重要です。査読者は、データの客観的事実と著者の主観的解釈が明確に分離されているかを厳しくチェックします。

分野別実例：4層構造テンプレートの埋め込み方

以下の例は、架空のデータに基づいていますが、各分野で頻出するキャプションのスタイルを反映しています。

分野	4層構造キャプション実例
生化学	Figure 3. Enzymatic activity of Protein Y under various pH conditions. (Layer 1) (Layer 2) Activity was measured at 37°C using a standard colorimetric assay (n=4 independent experiments). (Layer 3) Maximum activity was observed at pH 7.5. Activity decreased significantly at pH below 6.0 and above 9.0 (*p < 0.01, one-way ANOVA). Error bars represent standard deviation. (Layer 4) These data indicate that Protein Y has a narrow pH optimum around neutrality, suggesting its physiological role in cytosolic environments.
材料科学	Figure 5. Tensile strength of Polymer Composite Z. (Layer 1) (Layer 2) Specimens were fabricated with 0, 5, and 10 wt% nanofiller and tested at a strain rate of 1 mm/min (n=5 per group). (Layer 3) The addition of 10 wt% nanofiller increased tensile strength by 150% compared to the pure polymer. The stress-strain curves show a transition from ductile to brittle fracture at higher filler content. (Layer 4) This dramatic enhancement demonstrates the effective load transfer to the nanofiller, providing a viable strategy for reinforcing polymeric materials.
心理学	Figure 2. Response times in the visual attention task. (Layer 1) (Layer 2) Participants (N=30) responded to target stimuli presented with or without distractors. (Layer 3) Mean response time was significantly longer in the distractor-present condition (450 ± 25 ms) than in the distractor-absent condition (380 ± 20 ms; t(29)=5.6, p < 0.001). (Layer 4) The increased latency confirms that the presence of distractors consumes cognitive resources, supporting the bottleneck model of selective attention.

このテンプレートに従うことで、キャプションは単なる説明文から、図のデータが主張する「物語」を要約したものへと変わります。本文で「Figure 1 shows that…」と述べるとき、その内容はキャプションのLayer 4（解釈）と完全に連動しているべきです。この一貫性が、論文全体の論理的な流れと説得力を強固なものにします。

Table（データ表）のキャプションと注釈：数値データの比較を助ける「読み取りガイド」

実験結果や調査データを数値で示す表（Table）は、複数の条件や項目を一覧化し、直接的な比較を可能にする重要な要素です。しかし、ただ数字が並んでいるだけでは、読者は「どの数字に注目し、何を読み取れば良いのか」が分かりません。表のキャプションと注釈は、読者が迷子にならないための「読み取りガイド」として機能させることが必須です。ここでは、査読者から評価される情報密度の高い表の作り方を解説します。

キャプションで表の全体像と比較の目的を示す

Tableのキャプションは、単純なタイトルではありません。簡潔な一文で、その表が「何について」「どのような比較」を示しているのかを明確に伝える必要があります。良いキャプションは、読者が本文を読まなくても表の主要なメッセージを理解できるようにします。

• 良い例: “Table 1. Mean reaction times (ms) and accuracy rates (%) for three experimental conditions (A, B, C).”
• 詳細すぎる例（NG）: “This table shows the data we collected in the experiment.”（何のデータか不明）

キャプションの冒頭で、測定対象（例: 反応時間、濃度）、比較対象（例: 3つの条件、5つのグループ）、そして単位（ms, %, mg/L）を必ず明記しましょう。これにより、読者は表を見る前から何を期待すべきか準備できます。

表内の略語・単位・統計情報を脚注で完全に説明する

表の中身をスッキリさせるために略語を使うことはよくありますが、その略語の定義はキャプション直下の「脚注（Note.）」で完全に説明する必要があります。脚注は、表を再現可能にするための「仕様書」の役割を果たします。

脚注が充実している表は、読者がデータを正しく解釈し、同じ実験を追試（再現）するための十分な情報を提供します。これが科学的厳密性の証となります。

重要な列や行に読者の注目を誘導する記述法

キャプションや脚注は、表の中の特に重要な部分に読者の注意を向ける「ガイド」としても活用できます。例えば、最も注目してほしい列（対照群との比較列）や、統計的に有意な差異を示す行について言及します。

良い記述例: “The rightmost column shows the percentage change compared to the baseline. Bold values indicate the highest score in each row.”

このように、表のどの部分に着目すれば結論が導き出せるかを、キャプションや脚注で事前に示しておくことで、読者は漫然と表全体を見るのではなく、効率的に核心のデータへと視線を移動させることができます。表内で太字やアスタリスク(*)を使う場合、そのルールは必ず統一し、脚注で説明を忘れないでください。

表は「静的なデータの羅列」ではなく、あなたの研究から生まれた「動的な物語」の一部です。キャプションと注釈という読み取りガイドを提供することで、読者をその物語の正しい解釈へと確実に導くことが、優れた論文執筆者の役割です。

Methods図・概念図のキャプション：複雑なプロセスを「再現可能」に説明する

実験方法や理論的枠組みを示す図（Methods図、概念図、フローチャートなど）のキャプションには、結果図とは異なる重要な使命があります。それは、読者や他の研究者が、それを見て同じプロセスを追体験し、再現できるようにすることです。このセクションでは、複雑な情報を「再現可能な形」で伝えるための具体的な記述方法を、図の種類別に解説します。

実験装置図やフローチャート：各要素の名称と機能を対応付けて列挙

実験装置の構成図や作業のフローチャートでは、図中に「A」「B」「C」といったラベルが付けられていることが一般的です。キャプションでは、これらのラベルを単に列挙するだけでは不十分です。それぞれの要素が「何と呼ばれるものか」そして「どのような役割を果たすのか」を明確に対応付けて説明する必要があります。

既存の装置や手法を応用している場合、変更点や独自部分に焦点を当てることで、新規性を明確にできます。

概念図やモデル図：抽象的概念と図中のシンボルを明確に結びつける

理論モデルや概念的な関係性を示す図は、視覚的に理解を助ける強力なツールですが、図だけでは解釈が多義的になるリスクがあります。キャプションの役割は、図中に描かれたシンボル（矢印、箱、円など）と、それが表す抽象的な概念や理論的関係を、文章で一義的に結びつけることです。

例えば、二つの箱を結ぶ矢印がある場合、「AからBへの影響」と書くだけでは不十分です。「Aで発生した現象Xが、フィードフォワード機構を介してBのプロセスYを促進することを示す」のように、シンボルが示す具体的な関係性を言葉で言い換えることが求められます。

シミュレーション図：使用したパラメータや初期条件の明示

コンピュータシミュレーションの結果を示す図では、再現性を担保するために使用したパラメータや初期条件の明示が不可欠です。キャプションには、図の見た目を生み出した「レシピ」の主要な要素を含めます。

• 使用したシミュレーション手法またはソフトウェアの名称（例：有限要素法、ある分子動力学計算パッケージ）
• モデルの主要なパラメータ（例：格子定数、力場の種類、時間刻み）
• 初期条件（例：初期温度、粒子の初期配置、乱数シード値）
• 境界条件（例：周期境界条件、固定端条件）

Methods図のキャプションは、論文の信頼性と再現性の基盤を築きます。図が美しくても、その内容が再現不可能な「ブラックボックス」であれば、科学的価値は大きく損なわれます。上記のポイントを押さえ、読者があなたの研究過程を正確に追えるように配慮することが、査読者から評価される第一歩です。

分野別・査読コメントから学ぶ キャプションの改善実践ワーク

これまで理論を学びましたが、実践ではどうすれば良いのでしょうか。査読者は具体的にどのような点を指摘するのかを知り、それを想定して自身の原稿を磨くことが、最も効果的な学習です。このセクションでは、典型的な悪いキャプションを良いキャプションへと書き換える作業を通じて、実践的な改善スキルを身につけます。

悪いキャプションに潜む典型的な問題点8選

査読者が指摘しやすい、キャプションの共通する欠陥を確認しましょう。

• 「自明」な記述：図や表の内容を単に繰り返すだけで、追加の情報がない。 例：「Figure 1. A line graph showing the relationship between X and Y.」（図1を見れば明らか）
• 情報の不足：図表の重要な要素（例：使用した統計手法、サンプルサイズ、スケールバーの意味）が説明されていない。
• 主観的解釈の混入：キャプションの中で結果の解釈や結論を詳細に述べる。これは本文の役割です。
• 曖昧な記述：「significantly increased」（有意に増加）とあるが、具体的なp値や効果量が示されていない。
• 不完全なラベル説明：図中の略語や記号がキャプションで定義されていない。
• 方法の詳細欠如：Methods図において、各ステップで「何を」「どのように」行ったかが不明確。
• 比較の目的が不明：複数のパネルがある図で、なぜそれらを並べたのか、読者が比較すべきポイントが提示されていない。
• 冗長な文体：「It can be clearly seen from the figure that…」のような不要な前置きが多く、肝心の情報が埋もれる。

査読コメントを想定したキャプションのリライト演習

投稿前の最終チェック：キャプションの品質評価シート

全ての図表のキャプションを書き終えたら、以下のチェックリストを用いて客観的に最終点検を行います。一つでも「No」がある場合は、改善の余地があります。

• 自立性：キャプションと図表のみで、主要なメッセージが理解できるか？
• 具体性：「有意な差」「性能向上」などの曖昧な表現ではなく、具体的な数値や条件が示されているか？
• 客観性：主観的な解釈や推測（〜と考えられる、〜を示唆する）が含まれていないか？
• 完全性：図中の全ての略語、記号、パネル（A, B, C…）が説明されているか？
• 方法の明示：Methods図において、再現に必要な手順や条件が過不足なく書かれているか？
• 統計情報：必要に応じて、統計手法、p値、サンプルサイズ（n）、エラーバーの種類が記述されているか？
• 簡潔さ：冗長な前置きや、本文で述べるべき詳細な議論が含まれていないか？

よくある質問 (FAQ)

キャプションと本文で内容が重複しても良いのでしょうか？

重要な数値や条件については、キャプションと本文の両方に記載するのが一般的です。キャプションが自立して理解できるようにするためです。ただし、冗長な言い回しの単純な繰り返しは避け、キャプションでは事実を簡潔に、本文ではその解釈や文脈を詳述するという役割分担を意識しましょう。

キャプションはどのくらいの長さが適切ですか？

絶対的な基準はありませんが、複雑な図でも通常は100〜200語程度が目安です。長すぎる場合は、図を分割できないか検討するか、本文に移動すべき詳細な議論が含まれていないか確認してください。一方で、必要な情報を欠いて短すぎるのも問題です。自立性と簡潔さのバランスが重要です。

査読者がキャプションの「自立性」を求める理由は何ですか？

主に二つの理由があります。第一に、読者が図表を先に見て論文の概要を把握するためです。第二に、図表が他の論文やプレゼンテーションで単独で引用・再利用される可能性があるためです。キャプションだけで内容が理解できれば、そのような場合にも誤解が生じません。