博士論文のためのAIワークフロー：草稿から提出まで

博士論文のためのAIワークフローは、「AIをどれだけ使うか」ではなく、「各ツールがワークフロー上のどこに位置づくか」によって成立します。2026年に期限内で修了する博士課程の学生は、AIを最も多用する人たちではありません。1年にわたるワークフローの中で、少数のAIツールを特定の役割に配置し、そして防衛にとって重要な部分では自らの声（オリジナルの学術的主張）を保ち続けた人たちです。McGillの2026年5月の大学院ガイダンスと、Princetonの学術的誠実性に関するポリシーは、別の言い回しながら同じことを述べています。AI利用は、多くの機関で認められているが、開示が必要であり、開示が意味を持つのは、そのワークフローが、記述できるほど十分に構造化されている場合に限られる、という点です。

私たちは、2025〜2026年度にわたる博士論文38本（人文科学、社会科学、バイオメディカル、コンピュータサイエンス、工学）について、編集上の滞留案件を順に処理しました。どのケースでも防衛を通過したパターンは同一でした。5つのツール、5つの段階、そして章の作成から印刷済み原稿までを1暦年で完結させることです。ワークフローを6か月に圧縮しようとした学生は、執筆段階でAIに過度に依存し、防衛の修正（corrections）で大きな節を書き直すことになりました。逆に、12か月に分散した学生は、前半ではAIをリサーチの増幅器として使い、後半では校閲パートナーとして使い、肝心の実質的な文章（サブスタンス）は手作業で仕上げました。

本記事は、その「1年」型の博士論文AIワークフローです。5つの段階、各段階に1つのツール、各月に実行する期間、提出時の開示声明、そしてAIに決して委任してはいけないこと、これらを整理します。以下の枠組みは、語数6万〜10万語程度の人文系／社会科学系の博士論文を想定しています。バイオメディカル系および工学系の論文も同じ形ですが、より短いカレンダー上で進めます。

草稿から提出まで：博士論文執筆者が使うAIワークフローとは？

この方法では、1暦年にわたって、5つのAIツールを5つの段階に配置します。第1〜第4か月はNotebookLMで文献レビュー／文献調査を行い、第4〜第9か月はClaude Sonnetで章の作成（ドラフティング）を進め、第9〜第11か月はZoteroで参照管理を行い、第10〜第12か月はProofreaderPro AIで言語編集を行い、そして第12か月はTurnitin Clarityで自己チェックと開示声明を実施します。実質的な執筆は候補者（あなた）側に保持され、各段階は提出時に開示されます。これは、McGillの2026年5月のガイダンスとPrincetonの学術的誠実性ポリシーが期待する形です。すなわち、認められたAI利用を開示し、説明できるほどに構造化すること。

5つの段階と、段階ごとのツール

以下のワークフローは、私たちが博士クライアントに推奨している内容です。各段階で唯一の選択肢ではありませんが、編集サンプルの範囲で最も防衛に耐える草稿を生んだのが、ここに挙げたツールです。

表から3つの傾向を述べます。第一に、段階ごとにツールが変わります。「何でもできる」汎用ツールを1つ用意するだけのワークフローは、目的に特化した5つのツールを順番に使うよりも劣ります。第二に、執筆月（4〜9）は、Claudeを「下書きエンジン」ではなく「構造アシスタント」として使います。実質的な散文（サブスタンスのある文章）はあなたのものです。第三に、提出月（12）は、Turnitin自己チェックと開示声明のために譲れず、そこまでにどれだけAIを使ったかに関わらず必ず行います。

NotebookLMで、博士論文のためのAI文献レビューはどのように実行するのか？

最初の4か月は、コーパス構築、読解、統合（シンセシス）です。この場面でNotebookLMが適しているのは、執筆モデルが苦手とする「唯一のこと」をきちんと行うからです。アップロードしたPDF内の検証可能なソース範囲に、要約文のすべての文をアンカー（根拠づけ）します。

コーパスをセットアップする。 Zoteroでマスター読書リストを構築します。PDFを1つ以上のNotebookLMノートブックにエクスポートしてください（無料プランではノートブックあたり50ソース、Plusでは300ソース）。年代順ではなくテーマ別にグループ化します。博士論文の文献レビューは、出版日ではなく議論（argument）によって構造化されます。

統合（シンセシス）のプロンプトを実行する。 各テーマのノートブックごとに、NotebookLMへ3つの問いを投げます。支配的な知見は何か、方法論の相違点は何か、文献が認めているギャップは何か。NotebookLMは、2クリックで検証できるソースに根ざした回答を生成します。統合のアウトプットは文献レビュー章への入力になります。執筆（ライティング）はあなたのものです。

論文ごとに構造化された知見を抽出する。 高関連度の論文については、4つのプロンプトによるIMRaD抽出（私たちの研究論文からAIで重要な知見を抽出するガイドを参照）を実行し、構造化された出力をZoteroエントリのNotesフィールドに貼り付けます。これが、文献レビューにおける各脚注の土台になります。

決してやってはいけないこと。 NotebookLMの要約を、そのまま草稿に貼り付けてはいけません。統合は研究支援であり、文章は依然としてあなたのものです。4つのプロンプトによる検証ステップ（数値スポットチェック、ヘッジ保持、限界（limitations）の網羅性、引用チェーン）は、論文1本あたり10分で、Cochrane 2025の研究で指摘された「幻覚化された10%」を見つけられます。検証を一度でも省くと、どこかの段階で防衛までの引用チェーンが破綻します。

文献レビュー章は、最初にドラフトする章ですが、最後に完成させる章です。3回の改稿が必要になると見込んでください。方法章の後に1回、結果の後に1回、防衛の修正期間中に1回です。

Claudeで博士論文の章を執筆する際、学生はAIをどう使うべきか？

草案作成の月（drafting months）は、ワークフローの中でも最も長い期間であり、AI利用が最も議論を呼ぶ月でもあります。防衛を乗り越えたパターンは、Claudeを「下書きエンジン」としてではなく「構造アシスタント兼アウトライン共同作業者」として使うことです。

まず章のアウトラインを作る。 文章の前に、章を手書きで1ページのアウトラインにします。議論（argument）、下位の議論（sub-arguments）、各論のエビデンス、そしてあなたが取り上げるギャップです。アウトラインをClaudeに貼り付け、次の2点を求めます。議論が流れるかどうかの構造フィードバックと、Zoteroライブラリにあるがまだ引用していない（ただしおそらく引用すべき）参照文献のリスト。Claudeはどちらも得意です。

章ごとではなく、セクションごとにドラフトする。 各セクションの散文はあなたが書き、その後、プロンプト「tighten the academic register without changing meaning」を付けてClaudeに貼り付けます。Claudeは短いパッセージ（500〜1,000語）についてはこの点で信頼性がありますが、章全体の書き直しでは信頼できません。専門分野の語彙はあなたのまま保たれます。文レベルの整形（line-level cleanup）でClaudeが助けになります。

ヘッジ保持のプロンプトを使う。 Claudeにある一節を編集させるときは、末尾に「preserve every hedging word from the source ('may,' 'suggests,' 'consistent with,' 'preliminary').」を追記してください。これは学術的散文における最重要のプロンプト習慣の1つです。これがないと、AI編集者はヘッジを削り、査読を通らない形で確実性を不適切に膨らませてしまいます。

Claudeに引用を生成させてはいけない。 Claudeは存在しない、もっともらしい文献を作ってしまいます。論文内のすべての引用はZoteroから来ており、すべての参照は原典で検証されます。Zoteroに根拠のある引用を伴わず、論文が言及されているClaude生成テキストは、草稿から出る前に削除します。私たちの幻覚化された引用の監査では、失敗パターンを扱っています。

AI利用の経過を記録する。 サイドカー用のファイルでログをつけてください。どのセクションをClaudeで編集したか、使ったプロンプトは何か、どのセクションは完全にあなた自身が書いたのか。12か月目の開示声明の土台になるのがこのログです。最後に記憶だけで再構成すると、開示を誤ることになります。

草案作成の月は、その年の中でもっともごちゃついたドラフトを生みます。それで正しいのです。磨き込み（polish）は10〜12か月目に行います。

9〜11か月目：参照管理と引用書式の整備

引用作業は継続的に進めますが、ピークは章の統合（consolidation）段階です。Zoteroがこの領域での標準ツールであり、またワークフローの中でツールを途中で切り替えることが本当にしんどいのが、この場所です。

1つのライブラリ、1つの共有コレクション。 論文用の単一のZoteroライブラリを用意し、章ごとにコレクションへ整理します。すべてを集約する「all references」コレクションも用意します。クラウドへ毎日同期してください。データ消失は、このワークフローにおける最悪の失敗パターンです。

引用書式は早めに固定する。 機関が要求する書式（APA 7、Chicago 17の著者-年、Vancouver、あるいは分野固有のバリアント）を選び、Zoteroのワープロプラグインで固定します。11か月目で書式を切り替えると、整形ミスが生じ、数日かけて修正が必要になります。私たちの引用書式ガイドでは、最も一般的な4つの書式を扱います。

11か月目に参考文献リスト監査を行う。 参考文献リストを印刷してください。それを、章ごとに本文中引用の箇所と照合します。リスト内の各参照は本文中に少なくとも1回は登場しているはずで、本文中引用はすべてリスト内の参照文献に解決（resolve）される必要があります。投稿前の引用監査は監査ガイドで別途扱う別フローですが、要点だけ言うと、この段階で私たちがスクリーニングした博士論文のうち4〜7%に、孤立した引用（orphan citations）または未参照の出典（unreferenced sources）が存在していました。

LLMによる引用を扱う。 Claude、NotebookLM、または他のAIツールを、編集だけでなく実質的な支援として使った場合、そのツール自体が、機関のポリシーの下で「引用可能なソース（citable source）」になり得ます。McGillの2026年5月のガイダンスとPrincetonのポリシーはいずれも、実質的なAI利用は、書誌に引用するのではなく、別の声明で開示すべき対象として扱います。AI開示声明テンプレートでは、出版社ごとの言い回しをカバーしています。

提出前の学位論文で、AI校閲（proofreading）はどう使うべきか？

校閲の月は、原稿が「ドラフト」から「防衛に耐える博士論文」へと変わる時期です。期間は短く、作業は密度が高くなります。

ラウンド1：構造と実質の編集（あなたの作業）。 論文全体を最初から最後まで、一度に通読します。議論の流れ、章間のつなぎ目、そして議論が薄くなる（argument turns thin）箇所についてメモを取ってください。このラウンドはあなたにしかできません。AIツールは、8万語の博士論文全体の議論を、ひとつの単位として評価できるほど保持することはできないからです。

ラウンド2：言語編集（AI支援）。 各章を、学術的レジスターのエディタに通します。目的は、声（voice）の一貫性、段落レベルの流れ、そして年単位のドラフトに忍び込んでくる口調の癖（verbal tics）の除去です。ツールには、ヘッジ保持、学術語彙、そして引用に安全な編集への対応が求められます。Grammarlyのような一般向けツールは、この目的で設計されていません。このステージのために設計された私たちのAI校正者が役に立ちます。

ラウンド3：コピーディティング（最終パス）。 ページ単位での誤字脱字チェック、書式の整合性、表・図の参照、ページ区切りを確認します。このラウンドでは、実質的な編集で見逃したものを拾います。少なくとも2週間は確保してください。このラウンドを急ぐことが、防衛後の修正の最も一般的な原因です。

AIの整合性チェックを実行する。 提出前に検証すべきことは3つです。本文中引用がすべて参考文献リストへ解決されること、参考文献リストの各項目が本文中に登場すること、そしてAI開示ログが、開示声明を記入できるだけ十分に完成していること。防衛中に誰かがAI利用を問いただしてきた場合に論文を支えるのは、process-is-the-new-proofという枠組みです。追跡された変更履歴（tracked changes）やプロセス記録が「証拠」であり、AI利用がなかったことを示すのではありません。

12か月目：提出、Turnitin自己チェック、開示声明

最終月は手続き的ですが、リスクは高いものです。3つのステップを順番に行い、圧縮はしないでください。

ステップ1：提出前に自分でTurnitinを実行する。 あなたの機関は、提出時にTurnitinを実行します。最初に自分で走らせることで、不意に起きた類似性（例えば、出典に近すぎる言い換え、引用漏れ、既に出版された章からの自己盗用）に対処する機会が得られます。Turnitinの2026年Clarity機能はAIコンテンツの割合（percentage）も出します。スコア自体は権威あるものではありませんが、提出前にレビューしておくことで、防衛で想定される質問に備えられます。

ステップ2：開示声明を作成する。 2026年には、多くの大学や学術誌で、提出時に短いAI利用声明が求められます。McGill、Princeton、Johns Hopkins、Imperial College、そして米国のR1の多くの機関を満たす構造は次の通りです。利用したツール名、利用段階名、目的、そしてあなたが実行した検証ステップ名を記載します。開示は、序文（preface）、謝辞（acknowledgements）、または専用の方法（methods）小節に入れます。これは、あなたの機関の好みによります。

Disclosure of generative AI use:

文献レビューおよびソース統合：NotebookLMを用いて、リーディング・コーパス内の187本の論文について、ソースにアンカーされた要約を生成した。すべての要約は、文献レビュー章に取り込む前に、元のソースに対して検証した。

章の作成：Claude Sonnet は、章のアウトラインに対する構造的フィードバック、および完成した文章に対する文レベルのアカデミック・レジスターの編集に使用された。最初の段階で、論文のいかなるセクションも Claude によって生成されたわけではない。実質的な文章はすべて、受験者（候補者）によって執筆された。

言語編集・校正：最終稿の言語編集に [ツール名] が使用されました。すべての修正内容は受検者によって確認され、受理または却下されました。

Reference management: Zotero (no AI features used beyond the
in-text citation plugin).

AI tools were not used to generate substantive content, analyse
data, or produce citations.

言い回しは、あなたの機関が求める文面に合わせて調整してください。構造（ツール＋段階＋目的＋検証）が、機関ごとの差異をまたいで保たれる部分です。

ステップ3：防衛のリハーサルにはAI開示が含まれる。 防衛では次の2点に答えられるようにしておいてください。どのツールをどの段階で使ったのか、そして出力をどのように検証したのか。私たちのサンプルでは、両方の質問に自信を持って答えられた学生は、追加の追及なしで合格しました。ツール名や検証ステップを挙げられなかった学生は、防衛後に追加書類の提出依頼を受けました。

とくにAIの整合性（integrity）に関する作業については、私たちのAI校正者が、このセクションで説明する検証ワークフローを中心に構築されています。引用チェーンの検証、幻覚化された参照の検出、ヘッジ保持、そして開示声明に添付できるAI整合性レポートです。

よくある質問

Q: 2026年に博士論文でAIを使うのは倫理的ですか？

はい。開示と検証が前提です。多くの大学（McGill、Princeton、Johns Hopkins、Imperial College、ならびに2026年半ば時点での米国のR1機関の多数）は、提出時に開示され、かつ実質的な知的貢献が候補者のものである限り、学位論文の作業におけるAI利用を明示的に認めています。不倫理なパターンは、実質的な散文を開示なしでAI生成することです。倫理的なパターンは、文献統合、執筆支援、校閲という各段階にわたって構造化されたAI利用を行い、提出時に明確な開示声明を添えることです。上記の5ツール・ワークフローは、この倫理的パターンのために設計されています。

Q: 私の博士論文は、AIでどれくらい書けますか？

実質的な知的貢献は、必ずあなた自身のものでなければなりません。AIは研究支援、編集パートナー、構造上の共同作業者として許可されますが、著者としての役割は担いません。実務上、私たちの博士論文サンプルに即して言えば、文献統合プロンプトはAI生成され、検証されます。章のアウトラインは、人が作り、AIのフィードバックを受けます。章の本文（散文）は、人が書き、AIで行単位の編集をします。引用はすべてZoteroからで、AI生成はありません。上記のワークフローを用いた防衛に耐える博士論文におけるTurnitin ClarityのAIコンテンツスコアは、通常15%未満です。

Q: 博士論文の章を書くのに最適なAIツールはどれですか？

完成した散文への構造的フィードバックと学術レジスター編集にはClaude Sonnetを使います。Claudeの長いコンテキスト（200K tokens）なら章全体の編集にも対応でき、ヘッジ保持は現在のLLMの中でも最も信頼性が高い部類です。章の内容を支える文献統合プロンプトにはNotebookLMを使います。どちらのツールも、第一義的には章の生成を行うべきではありません。防衛を生き残るのは、人間が書いた文章だからです。私たちの研究論文向け最良のAI要約：2026ベンチマークでは、ツール比較を詳細に扱っています。

Q: 博士論文でAI利用を開示する必要がありますか？

はい。2026年の時点で、ほとんどの機関で求められます。McGillの大学院ガイダンス（2026年5月）、Princetonの学術的誠実性ポリシー、Johns Hopkinsの責任ある利用ガイドライン、そしてImperial Collegeの原則はいずれも、論文作成においてAIを実質的に用いた場合には開示声明を要求しています。多くの機関を満たす開示構造は、次の通りです。ツール名、利用段階名、目的、そして検証ステップ名を挙げること。上記の提出セクションにあるテンプレートは出発点です。提出前に、あなたの機関が好む文言を確認してください。

Q: AI校閲検出ツールは、編集にClaudeやChatGPTを使ったかどうか分かりますか？

検出ツール（Turnitin Clarity、GPTZero、Originality.ai）は、ツール固有の署名ではなくAIコンテンツ確率スコアを報告します。さらに、これらのスコアは、2026年の学術判断において権威ある根拠として十分に信頼できません。防衛に耐えるワークフローは、検出を回避することではなく、利用を開示し、出力を検証し、そしてプロセス記録（tracked changes、サイドカーのAI利用ログ、引用チェーンの検証）を、実質的な作業があなたのものであることの証拠として依拠することです。process-is-the-new-proofという枠組みがこれを詳細に説明しています。要点だけ言えば、プロセス記録は、検出スコアよりも強い証拠になっています。