青空文庫400作の実測データ分析｜会話比率・文長・冒頭フックの構文解析

なぜ青空文庫か？投稿サイト規約と著作権法30条の4

Web小説の執筆研究やデータ分析を行う際、最初に確認すべきなのが利用規約と著作権法です。小説家になろう等の投稿サイトでは、デベロッパー利用規約第4条において、商用利用や類似サービスでの利用、サーバーへの過剰負荷を伴う機械的解析が明示的に禁止されています。規約に反したスクレイピングはアカウント停止や接続制限の対象となります。

一方で、日本の著作権法第30条の4（非享受利用）では、思想・感情を享受しない情報解析目的の複製・統計処理は適法と定められています。規約違反のリスクを回避しつつ安全に解析を行うため、本研究では著作権保護期間が満了し、公式に複製・利用が認められている「青空文庫」の近代名作群を対象としました。

母集団（新字新仮名・日本の小説4,208作）から、1作家あたり最大5作の上限を設けてランダムサンプリングした400作（夏目漱石、芥川龍之介、太宰治、宮沢賢治、森鴎外ら184人）と、自社見本作品（sample_ja.txt）の全文を実際に構文・統計解析しました。

• 【規約遵守】投稿サイトのAPIや本文に対する無断スクレイピング・商用解析は規約違反リスクがある
• 【合法な情報解析】著作権法第30条の4に基づき、著作物の表現を享受しない統計解析は適法
• 【安全なデータ基盤】著作権の切れた青空文庫のパブリックドメイン作品群（400作・184人）を実測解析
• 【自社見本との比較】自社の短編見本作品（349文字）を同一アルゴリズムで測定して比較

実測①：タイトル文字数分布｜中央値は4文字

近代文学400作の作品タイトル文字数を測定した結果、中央値は「4文字」、平均値は「4文字」（4.3文字）、第1四分位は「3文字」、第3四分位は「5文字」でした。最短は1文字、最長は13文字です。

文字数帯ごとの分布を見ると、全体の85.8%にあたる343作が「6文字以下」に集中していました。Web小説では設定やあらすじを詰め込んだ長文タイトル（20〜40文字以上）が一般化していますが、近代文学では言葉を極限まで削ぎ落とし、主題を象徴する簡潔な題名が圧倒的多数を占めています。

実測②：会話文（「」『』）の比率｜中央値22.9%

地の文と会話文のバランスは、物語のテンポや可読性を大きく左右します。本文中の「」および『』で囲まれた文字数を抽出し、総文字数に対する比率を実測しました。

400作全体における会話比率の中央値は「22.9%」、第1四分位は「11.3%」、第3四分位は「34.6%」、平均値は「24.9%」でした。また、「や『で始まる段落の割合（会話段落率）は、中央値「40.5%」（第1四分位24.8%、第3四分位51.0%）となっています。

作品の規模別に見ると、作品が長くなるほど会話の比率が高まる明確な傾向が確認されました。

• 短編（1万字未満・178作）：会話比率中央値「19.5%」（描写中心で簡潔にまとまる）
• 中編（1〜5万字・157作）：会話比率中央値「24.2%」（人物関係の展開に伴い会話が増加）
• 長編（5万字以上・65作）：会話比率中央値「26.9%」（複数の登場人物の対話が物語を牽引）

実測③：1文の長さと句読点間隔｜中央値32文字と13文字

「文章のリズム」を決定づける2大要素が、「1文の長さ」と「句読点（、。）の間隔」です。句点（。）や感嘆符で区切られた1文の文字数と、読点（、）や句点の間隔を測定しました。

作品ごとの1文の長さの中央値は、全体中央値で「32文字」（第1四分位26文字、第3四分位37文字）、作品ごとの平均文長の全体平均は「52文字」でした。また、80文字以上の長文が含まれる割合は中央値「8.5%」（第1四分位4.3%、第3四分位13.9%）にとどまり、全体の9割以上が80文字未満で区切られています。

句読点間隔の中央値は「13文字」（第1四分位12文字、第3四分位15文字）、平均値は「15文字」でした。日本語の散文において、約12〜15文字ごとに読点や句点が打たれるリズムが、読者にとって最も自然に息継ぎできる感覚であることが数値から裏付けられます。

実測④：冒頭の会話出現位置｜中央値は318文字目

物語の冒頭で「いつ最初のセリフが入るか」は、読者を物語へ引き込む重要な指標です。本文冒頭から最初の会話（「または『）が出現するまでの文字数を追跡しました。

会話を持つ作品における出現位置の中央値は「318文字目」（第1四分位106文字目、第3四分位776文字目、平均659文字目）でした。冒頭100文字以内に会話が出現する作品は「23.5%」（94作）、冒頭300文字以内では「47.8%」（191作）、500文字以内では「59.8%」（239作）、1,000文字以内では「79.8%」（319作）に達します。

一方で、第1段落からいきなりセリフで始まる作品は「2.2%」（9作）とごく少数でした。冒頭の100〜300文字で状況や主人公の視点を短く提示した直後に最初のセリフを響かせる構成が、近代名作においても定番の導入パターンであることがわかります。

自分の作品をBunChoの取り込み機能（/import）で点検する手順

自分の原稿の「会話比率」「1文の長さ」「冒頭のフック位置」「人物や伏線の食い違い」は、自力で数えると膨大な時間がかかります。

AI BunChoの無料推敲・取り込みページ（bun-cho.work/import）を使用すれば、原稿ファイルをドロップするだけで、ブラウザ内で文章のリズムと矛盾候補を自動点検できます。原稿データは外部サーバーに送信されず、手元のブラウザ内だけで処理されるため安全です。

1. 1原稿ファイルを用意する

   執筆した小説原稿を、Word（.docx）、テキスト（.txt）、Markdown（.md）のいずれかの形式で手元に保存します。各話や章の冒頭に「第一章」「第1話」などの見出しを入れておくと、章ごとに自動分割されます。

2. 2取り込みページ（/import）を開く

   ブラウザで bun-cho.work/import を開きます。会員登録やログインは不要です。画面中央の点線エリアに原稿ファイルをドラッグ＆ドロップするか、「テキストを貼り付け」タブに直接本文をペーストします。

   

3. 3推敲・リズム解析結果を確認する

   「変換する」ボタンを押すと、即座に構文解析が実行されます。会話比率や章ごとの文長バランスに加えて、人物の年齢・容姿の食い違い、未回収の伏線候補が章番号と原文付きで一覧表示されます。

   

4. 4気になった箇所をその場で修正する

   指摘箇所の「その場で直す」や編集エディタ機能を使って、テンポの悪い長文を分割したり、会話のタイミングを調整したりします。修正した原稿はワンクリックでダウンロード可能です。

関連：無料の原稿取り込み・推敲チェック ／ Claudeで書いた小説の矛盾点検ガイド ／ 生成AIの商用利用と利用規約の境界線

実測データ総括まとめ表（青空文庫400作 vs 自社見本）

今回測定した主要指標の中央値、四分位範囲（第1〜第3四分位）、および自社見本作品（sample_ja.txt）の測定値をまとめました。執筆や推敲時のリズムの参考値として活用できます。