ssci-subagent-skills 1.0.0

package/skills/performing-open-coding/SKILL.md

@@ -0,0 +1,299 @@
+---
+name: performing-open-coding
+description: 当用户需要执行扎根理论的开放编码，包括中文质性数据的概念识别、初始编码、持续比较和备忘录撰写时使用此技能。
+version: 1.0.0
+author: socienceAI.com
+tags: [grounded-theory, open-coding, concept-identification, initial-coding, qualitative-analysis]
+---
+
+# 开放编码技能 (Performing Open Coding)
+
+## Overview
+专门用于扎根理论研究的开放编码阶段，对中文质性数据进行系统性的概念识别和初始编码工作。
+
+## When to Use This Skill
+Use this skill when the user requests:
+- Initial coding of qualitative data in grounded theory
+- Concept identification from interview transcripts or other qualitative data
+- Line-by-line coding of textual data
+- Initial categorization of phenomena in data
+- Development of initial theoretical concepts from data
+- Systematic approach to early-stage qualitative analysis
+- Chinese qualitative data analysis following grounded theory principles
+
+## Quick Start
+When a user requests open coding:
+1. **Prepare** the qualitative data for coding
+2. **Identify** initial concepts and phenomena
+3. **Code** data line by line or paragraph by paragraph
+4. **Compare** concepts across different data segments
+5. **Develop** initial categories and memo notes
+
+## 使用时机
+
+当用户提到以下需求时，使用此技能：
+- "开放编码" 或 "执行开放编码"
+- "扎根理论编码" 或 "质性数据编码"
+- "概念识别" 或 "概念提取"
+- "初始编码" 或 "逐行编码"
+- "持续比较" 或 "编码比较"
+- "备忘录撰写" 或 "编码备忘录"
+- 需要分析中文访谈、观察记录或文档资料
+
+## 脚本调用时机
+当需要执行开放编码的不同阶段时，调用对应的脚本：
+- 数据预处理阶段：调用 `preprocess_text.py`
+- 概念识别阶段：调用 `auto_loader.py`
+- 持续比较阶段：调用 `compare_codes.py`
+- 概念聚类阶段：调用 `cluster_concepts.py`
+- 编码验证阶段：调用 `validate_codes.py`
+
+## 统一输入格式
+```json
+{
+  "coding_context": {
+    "research_topic": "研究主题",
+    "data_source_type": "数据来源类型(访谈/观察/文档)",
+    "language": "数据语言",
+    "coding_purpose": "编码目的"
+  },
+  "raw_data": {
+    "content": "原始文本内容",
+    "segments": [
+      {
+        "id": "段落ID",
+        "text": "段落文本",
+        "context": "上下文信息"
+      }
+    ]
+  },
+  "coding_parameters": {
+    "abstraction_level": "抽象层次",
+    "coding_depth": "编码深度",
+    "theoretical_focus": "理论关注点"
+  },
+  "previous_results": {
+    "concepts": "之前识别的概念",
+    "codes": "之前创建的编码",
+    "memos": "之前的备忘录"
+  }
+}
+```
+
+## 统一输出格式
+```json
+{
+  "summary": {
+    "total_concepts": "识别的概念总数",
+    "total_codes": "创建的编码总数",
+    "processing_time": "处理时间(秒)",
+    "coding_progress": "编码进度"
+  },
+  "details": {
+    "concepts": [
+      {
+        "id": "概念ID",
+        "name": "概念名称(动词开头)",
+        "definition": "概念定义",
+        "examples": ["示例1", "示例2"],
+        "frequency": "出现频率",
+        "source_segments": ["来源段落ID列表"]
+      }
+    ],
+    "codes": [
+      {
+        "id": "编码ID",
+        "concept_id": "关联概念ID",
+        "segment_id": "来源段落ID",
+        "code_text": "编码文本",
+        "context": "上下文信息"
+      }
+    ],
+    "relationships": [
+      {
+        "from_concept": "源概念ID",
+        "to_concept": "目标概念ID",
+        "relationship_type": "关系类型",
+        "strength": "关系强度(0-1)"
+      }
+    ],
+    "statistics": {
+      "concept_diversity": "概念多样性",
+      "coding_density": "编码密度",
+      "intercoder_agreement": "编码者间一致性(可选)"
+    }
+  },
+  "metadata": {
+    "timestamp": "时间戳",
+    "version": "版本号",
+    "skill": "performing-open-coding",
+    "processing_stage": "处理阶段"
+  }
+}
+```
+
+## 快速开始
+
+### 工具链（5个脚本）
+
+```bash
+# 1. 文本预处理
+python scripts/preprocess_text.py --input interview.txt --output clean.json
+
+# 2. 快速概念提取
+python scripts/auto_loader.py --input interview.txt --output concepts.json
+
+# 3. 持续比较
+python scripts/compare_codes.py --input concepts.json --output comparison.json
+
+# 4. 概念聚类（可选）
+python scripts/cluster_concepts.py --input concepts.json --output clusters.json
+
+# 5. 编码验证
+python scripts/validate_codes.py --input concepts.json --output validation.json
+```
+
+## 核心流程
+
+### 第一步：数据预处理
+
+使用预处理工具清洗文本：
+```bash
+python scripts/preprocess_text.py --input raw.txt --output clean.json
+```
+
+**关键要点**：
+- 中文分词（jieba）
+- 停用词过滤
+- 语义分段
+
+详见：`references/theory.md` - 预处理原理
+
+### 第二步：概念识别
+
+使用自动提取工具获得初步概念：
+```bash
+python scripts/auto_loader.py --input raw.txt --output concepts_v1.json
+```
+
+**编码原则**：
+- ✅ 使用动词开头（"寻求帮助"）
+- ✅ 保持适度抽象（既不过具体也不过抽象）
+- ✅ 提供清晰定义和示例
+
+详见：`references/examples.md` - 完整编码案例
+
+**人工精炼**：
+- 改进概念命名
+- 补充清晰定义
+- 添加具体示例
+
+### 第三步：持续比较
+
+使用比较工具识别重复和关系：
+```bash
+python scripts/compare_codes.py --input concepts.json --output comparison.json
+```
+
+**比较维度**：
+- 相似度>0.8 → 考虑合并
+- 相似度0.5-0.8 → 建立关联
+- 相似度<0.5 → 独立概念
+
+详见：`references/theory.md` - 持续比较方法
+
+### 第四步：编码优化
+
+**使用聚类发现模式**（可选）：
+```bash
+python scripts/cluster_concepts.py --input concepts.json --output clusters.json
+```
+
+**使用验证工具检查质量**：
+```bash
+python scripts/validate_codes.py --input concepts.json --output validation.json
+```
+
+**质量标准**：
+- 命名规范：动词开头，长度适中
+- 定义完整：清晰说明概念内涵
+- 示例充分：至少2个具体例子
+
+详见：`references/troubleshooting.md` - 常见问题解决
+
+### 第五步：备忘录撰写
+
+记录编码过程的关键思考：
+- 概念识别的理由
+- 概念间的关系发现
+- 方法反思和改进
+
+详见：`writing-grounded-theory-memos` 技能
+
+## 输出格式
+
+所有工具使用统一的三层JSON格式：
+
+```json
+{
+  "summary": {
+    "total_concepts": 20,
+    "top_concepts": ["学习", "帮助", "关系"],
+    "processing_time": 2.5
+  },
+  "details": {
+    "concepts": [...],
+    "statistics": {...}
+  },
+  "metadata": {
+    "timestamp": "2025-12-18T10:30:00",
+    "version": "1.0.0"
+  }
+}
+```
+
+详见：`references/examples.md` - 完整输出示例
+
+## 质量检查清单
+
+在完成开放编码后，请检查以下项目：
+
+- [ ] 所有概念命名都使用行动导向的动词开头
+- [ ] 每个概念都有清晰的定义和说明
+- [ ] 提供了具体且代表性的示例
+- [ ] 进行了充分的持续比较分析
+- [ ] 撰写了完整的分析备忘录
+- [ ] 准确理解了中文语境的特殊含义
+- [ ] 保持了编码的一致性和连贯性
+- [ ] 概念的抽象层次适当，不过于具体也不过于抽象
+
+## 常见问题
+
+**快速诊断**：
+- 概念过多/过少 → 见 `references/troubleshooting.md` - 问题1、2
+- 抽象层次不当 → 见 `references/troubleshooting.md` - 问题3
+- 重复编码 → 使用 `compare_codes.py` 自动识别
+- 命名不规范 → 使用 `validate_codes.py` 检查
+
+**中文特殊性**：
+- 关系导向、面子文化、集体主义
+- 详见：`references/chinese-context.md`
+
+## 深入学习
+
+- **理论基础**：`references/theory.md` - 扎根理论流派、核心原则
+- **实践案例**：`references/examples.md` - 完整编码过程
+- **故障排除**：`references/troubleshooting.md` - 问题诊断和解决
+- **中文语境**：`references/chinese-context.md` - 文化和语言特点
+
+## 完成标志
+
+完成开放编码后，应该产出：
+1. 完整的概念编码清单
+2. 详细的备忘录记录
+3. 概念间关系分析
+4. 质量评估报告
+
+---
+
+*此技能专为中文质性研究设计，提供从数据预处理到概念提取的完整开放编码支持。*

package/skills/performing-open-coding/pyproject.toml

@@ -0,0 +1,35 @@
+[project]
+name = "performing-open-coding"
+version = "1.0.0"
+description = "鎵庢牴鐞嗚寮€鏀剧紪鐮佹妧鑳?- 涓枃璐ㄦ€ф暟鎹垎鏋?
+requires-python = ">=3.8"
+dependencies = [
+    "jieba>=0.42.1",
+    "pandas>=2.0.0",
+    "scikit-learn>=1.3.0",
+    "numpy>=1.24.0",
+]
+
+[project.optional-dependencies]
+dev = [
+    "pytest>=7.0.0",
+    "pytest-cov>=4.0.0",
+]
+
+[tool.uv]
+# 浣跨敤鍥藉唴闀滃儚鍔犻€?[[tool.uv.index]]
+name = "tsinghua"
+url = "https://pypi.tuna.tsinghua.edu.cn/simple/"
+default = true
+
+# 缂撳瓨jieba璇嶅吀
+[tool.uv.cache]
+keys = ["jieba"]
+
+[tool.pytest.ini_options]
+testpaths = ["tests"]
+python_files = ["test_*.py"]
+python_classes = ["Test*"]
+python_functions = ["test_*"]
+addopts = "-v --cov=scripts --cov-report=term-missing"
+

package/skills/performing-open-coding/references/chinese-context.md

@@ -0,0 +1,270 @@
+# 中文质性研究的特殊性
+
+> **渐进式披露**：本文档聚焦中文研究的文化和语言特点。理论基础见 `theory.md`，实践案例见 `examples.md`。
+
+## 文化维度
+
+### 关系导向（Guanxi）
+
+**特征**：
+- 中国社会重视人际关系网络
+- "关系"不仅是连接，更是资源和义务
+
+**编码建议**：
+```
+重点关注：
+- "建立关系"、"维护关系"、"利用关系"
+- "人情往来"、"面子互动"
+- "圈子"、"网络"、"人脉"
+
+示例概念：
+- `建立师生关系` - 与教师建立超越课堂的关系
+- `维护同学关系` - 通过互惠维持同学情谊
+- `动用人脉资源` - 利用关系网络获取资源
+```
+
+### 集体主义
+
+**特征**：
+- 强调群体和谐
+- 个人服从集体
+
+**编码建议**：
+```
+重点关注：
+- "融入集体"、"适应群体"
+- "集体决策"、"群体压力"
+- "从众行为"、"维护和谐"
+
+示例概念：
+- `融入宿舍集体` - 努力成为宿舍群体的一员
+- `适应班级规范` - 遵循班级的非正式规则
+- `避免特立独行` - 不做与众不同的行为
+```
+
+### 面子文化
+
+**特征**：
+- 重视社会评价和声誉
+- 避免丢面子的情境
+
+**编码建议**：
+```
+重点关注：
+- "维护面子"、"给面子"、"丢面子"
+- "避免尴尬"、"保全颜面"
+- "顾及他人感受"
+
+示例概念：
+- `避免当众出错` - 不在公开场合暴露不足
+- `维护教师权威` - 不质疑老师以保全面子
+- `委婉表达异议` - 间接方式表达不同意见
+```
+
+### 权威尊重
+
+**特征**：
+- 尊重权威和长辈
+- 层级关系明显
+
+**编码建议**：
+```
+重点关注：
+- "尊重权威"、"服从安排"
+- "等级意识"、"上下关系"
+- "礼貌规范"
+
+示例概念：
+- `尊重教师权威` - 认可教师的专业地位
+- `遵循长辈建议` - 接受年长者的指导
+- `保持礼貌距离` - 维持师生间的适当距离
+```
+
+---
+
+## 语言维度
+
+### 词汇特点
+
+#### 双音节结构
+
+**特征**：中文多为双音节词
+
+**编码建议**：
+```
+✅ 优先使用双音节：
+- "学习"（而非"学"）
+- "帮助"（而非"帮"）
+- "关系"（而非"系"）
+
+✅ 四字结构更佳：
+- "寻求帮助"
+- "建立关系"
+- "适应环境"
+```
+
+#### 动词丰富性
+
+**特征**：中文动词表达细腻
+
+**常用行动动词**：
+```
+寻求、建立、适应、应对、处理、解决、
+获得、提供、学习、制定、执行、调整、
+保持、克服、管理、理解、融入、维护
+```
+
+**编码示例**：
+```
+✅ "寻求教师指导"（主动获取）
+✅ "获得教师支持"（被动接受）
+✅ "建立同伴关系"（创建新关系）
+✅ "维护同学关系"（保持已有关系）
+```
+
+#### 隐含意义
+
+**特征**：中文常有隐含意义
+
+**示例**：
+- "不好意思问老师" → 概念：`避免寻求帮助`（隐含：面子顾虑）
+- "大家都这样做" → 概念：`从众行为`（隐含：集体压力）
+
+**编码建议**：
+- 识别表面行为
+- 理解深层动机
+- 两者都编码
+
+---
+
+## 工具适配
+
+### jieba分词优化
+
+#### 学术词典
+
+**添加专业词汇**：
+```python
+import jieba
+
+# 添加社会学术语
+jieba.add_word('扎根理论', freq=1000)
+jieba.add_word('社会资本', freq=1000)
+jieba.add_word('文化资本', freq=1000)
+jieba.add_word('场域理论', freq=1000)
+
+# 添加研究领域词汇
+jieba.add_word('大学适应', freq=800)
+jieba.add_word('学业压力', freq=800)
+jieba.add_word('同伴支持', freq=800)
+```
+
+#### 停用词定制
+
+**中文研究专用停用词**：
+```python
+CHINESE_RESEARCH_STOPWORDS = {
+    # 基础停用词
+    '的', '了', '在', '是', '我', '有', '和',
+    
+    # 研究场景停用词
+    '访谈', '受访者', '研究', '调查',
+    
+    # 口语化停用词
+    '就是', '然后', '那个', '这个', '嗯', '啊'
+}
+```
+
+### 相似度计算优化
+
+#### 中文语义相似度
+
+**方法选择**：
+- **TF-IDF + 余弦相似度**：当前使用，快速有效
+- **Word2Vec**：更准确，但需要预训练模型
+- **BERT**：最准确，但计算成本高
+
+**推荐**：
+- 小规模数据（<1000个概念）：TF-IDF
+- 大规模数据：考虑Word2Vec
+
+---
+
+## 最佳实践
+
+### 实践1：迭代精炼
+
+**第一轮**：快速编码
+```bash
+python scripts/auto_loader.py --input interview.txt --output v1.json
+```
+
+**第二轮**：人工精炼
+- 改进命名
+- 补充定义
+- 添加示例
+
+**第三轮**：持续比较
+```bash
+python scripts/compare_codes.py --input v2.json --output comparison.json
+```
+
+**第四轮**：质量验证
+```bash
+python scripts/validate_codes.py --input v3.json --output validation.json
+```
+
+### 实践2：团队协作
+
+**编码一致性**：
+- 使用统一的编码词典
+- 定期团队讨论
+- 交叉验证编码
+
+**工具辅助**：
+```bash
+# 合并多人编码结果
+cat person1.json person2.json | python scripts/compare_codes.py --input - --output merged.json
+```
+
+### 实践3：理论敏感性
+
+**保持开放**：
+- 不预设理论框架
+- 让概念从数据中涌现
+- 使用备忘录记录理论洞见
+
+**文化敏感**：
+- 理解中文表达的隐含意义
+- 识别文化特有的现象
+- 避免西方理论的生搬硬套
+
+---
+
+## 检查清单
+
+### 编码前检查
+
+- [ ] 理解研究问题和目标
+- [ ] 熟悉访谈对象的背景
+- [ ] 准备好编码工具
+- [ ] 设置好工作环境
+
+### 编码中检查
+
+- [ ] 使用行动导向的命名
+- [ ] 保持适度的抽象层次
+- [ ] 及时进行持续比较
+- [ ] 撰写编码备忘录
+
+### 编码后检查
+
+- [ ] 运行质量验证工具
+- [ ] 检查命名规范
+- [ ] 确认定义完整
+- [ ] 验证示例充分
+- [ ] 评估整体质量
+
+---
+
+*本文档聚焦中文研究特殊性。理论基础见 `theory.md`，实践案例见 `examples.md`，问题解决见 `troubleshooting.md`。*