国会議員712人が、どの委員会で、何回、どれだけ話したか
国会会議録（国立国会図書館）から、衆参712人の発言を集計しました。 氏名や所属ではなく「実際にどれだけ話しているか」を数字で並べています。
1,018,066回
集計した発言の総数
615回
議員1人あたりの発言回数（中央値）
平均は 1,429回
351字
1発言あたりの文字数（中央値）
712人
対象議員
衆465・参247
この4つの数字は、会議録を読むだけでは出てきません。712人ぶんを横に並べて初めて出る値です。
本サイトの各ページは、すべてこの「並べたときにだけ見える数字」で構成しています。
発言回数ランキング 上位20人
| # | 議員 | 通算発言 | 1発言の 中央値 | 直近の発言 |
|---|---|---|---|---|
| 1 | 岸田 文雄 衆議院・広島1区・自民 | 20,418 | 279字 | 2024年6月19日 |
| 2 | 麻生 太郎 衆議院・福岡8区・自民 | 18,834 | 478字 | 2024年11月11日 |
| 3 | 福島 みずほ 参議院・比例代表・社民 | 18,268 | 183字 | 2026年7月16日 |
| 4 | 加藤 勝信 衆議院・岡山3区・自民 | 13,522 | 360字 | 2026年6月18日 |
| 5 | 塩川 鉄也 衆議院・（比）北関東・共産 | 12,512 | 237字 | 2026年7月10日 |
| 6 | 石破 茂 衆議院・鳥取1区・自民 | 12,468 | 445字 | 2025年8月5日 |
| 7 | 林 芳正 衆議院・山口3区・自民 | 11,779 | 355字 | 2026年6月22日 |
| 8 | 櫻井 充 参議院・宮城・自民 | 11,095 | 141字 | 2026年7月24日 |
| 9 | 鈴木 俊一 衆議院・岩手2区・自民 | 10,709 | 307字 | 2026年2月24日 |
| 10 | 長妻 昭 衆議院・（比）東京・中道 | 10,572 | 275字 | 2026年6月4日 |
| 11 | 田村 憲久 衆議院・三重1区・自民 | 10,480 | 421字 | 2025年5月30日 |
| 12 | 中谷 元 衆議院・高知1区・自民 | 10,132 | 225字 | 2025年12月4日 |
| 13 | 河野 太郎 衆議院・神奈川15区・自民 | 9,319 | 178字 | 2025年5月28日 |
| 14 | 高市 早苗 衆議院・奈良2区・自民 | 9,096 | 315字 | 2026年7月15日 |
| 15 | 小池 晃 参議院・比例代表・共産 | 8,972 | 267字 | 2026年7月16日 |
| 16 | 茂木 敏充 衆議院・栃木5区・自民 | 8,810 | 328字 | 2026年7月16日 |
| 17 | 野田 佳彦 衆議院・千葉14区・中道 | 8,226 | 246字 | 2026年6月3日 |
| 18 | 斉藤 鉄夫 衆議院・（比）中国・中道 | 7,702 | 311字 | 2026年6月2日 |
| 19 | 福山 哲郎 参議院・京都・無所属 | 7,697 | 159字 | 2025年11月6日 |
| 20 | 西村 康稔 衆議院・兵庫9区・自民 | 6,983 | 392字 | 2023年12月11日 |
この数字から見えること
発言の「回数」より、「1回の長さ」のほうが役回りを映します。 通算発言が同じくらいでも、中央値が44字の藤丸 敏議員と 478字の麻生 太郎議員では、国会でしていることがまったく違います。 前者は議事を進める側、後者は答弁や提案理由を述べる側です。 短い順／長い順
持ち場の有無も数字に出ます。 小川 克巳議員は発言の93.7%が厚生労働委員会に集中する一方、 斉藤 鉄夫議員は66の会議体に登壇しています。 所属委員会の名簿を見ても、この違いは分かりません。 集中度ランキング／守備範囲ランキング
切り口から探す
委員会別最多は予算委員会（延べ138,347回）
テーマ別最多は経済・財政（延べ171,214回）
会派別17会派
地域別50地域
比例ブロック別11ブロック
国会回次別会期ごとの発言量
1発言の長さ答弁型か質問型かが出る
委員会への集中度一点集中か、広く浅くか
守備範囲の広さ登壇した会議体の数
発言の少ない議員回数の下位60人
衆議院465人発言回数順
参議院247人発言回数順
このサイトの数字の作り方
国会会議録検索システム（国立国会図書館）のAPIから議員名で発言を取得し、会議体・年・分野ごとに集計しています。 平均ではなく中央値を主に使うのは、国会の発言が「議事進行の一言」と「長い提案理由説明」に二極化していて、 平均では実態が歪むためです。データについて詳しく