MUSEにおけるエビデンス
エビデンスはMUSEの中核です。ロジックモデルのあらゆる因果のつながりに査読済みの研究を裏付けとして付加できるため、セオリー・オブ・チェンジは単なる図表を超えて、防衛可能な研究に裏付けられたインパクト計画となります。
エビデンスカードとは？
エビデンスカードは、1つの研究を表すMUSE独自の標準フォーマットです。各カードには、ある研究が何を発見し、その発見がどれだけ信頼できるかを理解するために必要な本質的な情報が含まれています。
MUSEがエビデンスカードを表示すると、以下の情報が表示されます：
| フィールド | 説明 |
|---|---|
| タイトル | 研究または研究論文の名前 |
| 著者 | 研究を実施した研究者 |
| 日付 | 研究が発表された時期 |
| 結果 | 研究が発見した内容を示す介入→アウトカムのペア（1件以上） |
| 方法論 | 使用された研究手法（例：ランダム化比較試験、システマティックレビュー） |
| データセット | 研究で使用されたデータソース |
| 引用文献 | 出典の完全な書誌情報 |
介入 → アウトカムのペア
エビデンスカードの最も重要な部分は結果です — 介入→アウトカムのペアとして表現されます。この構造により、何がテストされ、どのような効果が観察されたかを明確に把握できます：
- 介入：何が行われたか（例：「低所得世帯への条件付き現金給付の提供」）
- アウトカム：その結果として何が変わったか（例：「就学率が12%増加」）
1つの研究で複数の効果が測定された場合、複数の介入→アウトカムのペアが含まれることがあります。
効果カテゴリ
エビデンスカードのすべてのアウトカムは、5つの効果カテゴリのいずれかにタグ付けされているため、発見の方向性と性質を即座に把握できます：
| カテゴリ | 意味 |
|---|---|
| ポジティブ | 介入が有益な効果をもたらした |
| 効果なし | 介入が測定可能な変化をもたらさなかった |
| 混合 | 研究がポジティブとネガティブの両方の効果を発見した、またはサブグループによって効果が異なった |
| 副作用 | 介入が意図しない結果（ポジティブまたはネガティブ）をもたらした |
| 不明確 | 判断を下すにはエビデンスが不十分または不確定 |
「効果なし」や「混合」というエビデンスを知ることは、何かが有効だと知ることと同じくらい重要です。MUSEはすべての効果タイプを表示するため、十分な情報に基づいた意思決定ができます。
各カテゴリの詳細な定義と例については、効果カテゴリのリファレンスページをご覧ください。
エビデンスの強さ
すべての研究が同等ではありません。小規模なパイロット研究は、大規模なランダム化比較試験よりも重みが小さくなります。MUSEは**メリーランド科学的方法スケール（SMS）**を使用して、方法論的な厳密さに基づき各エビデンスを0〜5つ星で評価します：
| 星 | レベル | 説明 |
|---|---|---|
| 0 | 評価なし | 評価するための情報が不十分 |
| 1 | 相関 | 変数間の単純な関連性；交絡因子を制御していない |
| 2 | 前後比較 | 時間経過に伴う変化を測定するが、比較グループなし |
| 3 | 比較グループ | 比較グループを使用するが、ランダム割り当てなし |
| 4 | 準実験的 | 交絡因子を制御した厳密な設計（例：差の差分析） |
| 5 | ランダム化比較試験 | ゴールドスタンダード — 参加者が処置群と対照群にランダム割り当てされる |
MUSEでエビデンスを探索する際、星の数が多いエビデンスほど、ロジックモデルに示された因果関係が実在するという確信が高まります。
各レベルの詳細については、エビデンスの強さリファレンスページをご覧ください。
エビデンスがMUSEに取り込まれる仕組み
MUSEのエビデンスライブラリは、構造化されたオープンな貢献プロセスを通じてキュレーションされています：
1. MDXファイルとして提出
研究者や貢献者は、GitHubのevidenceリポジトリへのプルリクエストを通じて、エビデンスを構造化されたテキストファイル（MDX形式）として提出します。各ファイルには、エビデンスカードのすべてのフィールドが一貫した機械可読フォーマットで記録されています。
2. 自動バリデーション
提出されると、自動プロセスがすべての必須フィールドが存在し、正しくフォーマットされているかをチェックします。このバリデーションにより、MUSEのすべてのエビデンスカードがライブラリに追加される前に同じ品質基準を満たすことが保証されます。
3. レビューと承認
人間のレビュアーが、エビデンスがライブラリにマージされる前に内容の正確性と関連性を確認します。
4. ブロックチェーンアテステーション
承認されると、エビデンスはブロックチェーンに永続的に記録されます（下記参照）。これにより、特定の時点にそのエビデンスが存在し、レビューされたことを示す変更不可能なタイムスタンプ付きの記録が作成されます。
ブロックチェーン検証
MUSEのすべてのエビデンスは、2つの補完的なテクノロジーによって検証されています：
IPFSストレージ
各エビデンスカードのすべての内容は、IPFS（InterPlanetary File System）— 分散型ストレージネットワーク — に保存されます。これにより、永続的で改ざん防止のIDとなるユニークなコンテンツハッシュが生成されます。ネットワーク上の誰かがファイルを保持している限り、アクセス可能な状態が維持されます。
EASアテステーション
各検証済みエビデンスに対して、Base SepóliaブロックチェーンにEAS（Ethereum Attestation Service）アテステーションが作成されます。このアテステーションには以下が記録されます：
- エビデンス内容のIPFSハッシュ
- アテステーションの日時
- アテステーションを作成した当事者のID
IPFSとEASを組み合わせることで、MUSEのエビデンスは検証後に密かに変更または削除されることが不可能になります。
これらの概念への非技術的な入門については、ブロックチェーンの基礎 →をご覧ください。
エビデンスがロジックモデルに接続される仕組み
MUSEのエビデンスは、別途閲覧するライブラリであるだけでなく、ロジックモデルに積極的にリンクされています：
エビデンスの自動リンク
AIを使ってロジックモデルを生成すると、MUSEは自動的にエビデンスライブラリを検索し、ロジックモデルの因果エッジ（ステージ間の矢印）に関連するエビデンスカードを付与します。緑色のエッジは、その因果接続に対して少なくとも1つの裏付けエビデンスが見つかったことを意味します。
キャンバス上でのエビデンス閲覧
キャンバス上の緑色のエッジをクリックすると、その接続にリンクされたすべてのエビデンスカードを表示するパネルが開きます。各研究の詳細を確認し、効果カテゴリとエビデンスの強さをチェックし、元の出典へと引用をたどることができます。
エビデンスの手動検索
エビデンスライブラリ全体を独立して閲覧することもできます。エビデンス検索機能を使って、トピック、介入タイプ、またはアウトカム領域から研究を探してください。見つけたエビデンスカードは、ロジックモデルの関連するエッジに手動で付与できます。
エビデンスのギャップ
ロジックモデルのすべての接続にエビデンスが付与されるわけではありません。これは正常なことです — 研究文献の中に正直なギャップがあること、またはプログラムが新しい領域を開拓していることを反映しています。MUSEはこれらのギャップを可視化するため、インパクト計画においてそれらを認識し、対処することができます。