performing-selective-coding

name	performing-selective-coding
description	当用户需要执行扎根理论的选择式编码，包括核心范畴识别、故事线构建、理论框架整合和理论饱和度检验时使用此技能
version	1.0.0
author	socienceAI.com
tags	["grounded-theory","selective-coding","core-category","theory-integration","saturation-assessment"]

选择式编码技能 (Performing Selective Coding)

Overview

专门用于扎根理论研究的选择式编码阶段，将轴心编码构建的范畴体系整合为系统的理论框架，形成核心理论和故事线。

When to Use This Skill

Use this skill when the user requests:

• Integration of all categories into a core theory
• Identification of the core category in grounded theory
• Construction of a storyline linking all major categories
• Integration of axial codes into a theoretical framework
• Assessment of theoretical saturation
• Development of theoretical propositions from grounded analysis
• Theory generation and refinement in Chinese research context
• Synthesis of grounded theory findings into coherent whole

Quick Start

When a user requests selective coding:

1. Identify the core category among all categories
2. Construct the central storyline linking categories
3. Integrate the theory with all components
4. Validate the theoretical saturation
5. Refine and articulate the complete theory

使用时机

当用户提到以下需求时，使用此技能：

• "选择式编码" 或 "执行选择式编码"
• "核心范畴识别" 或 "寻找核心概念"
• "故事线构建" 或 "构建故事线"
• "理论框架" 或 "理论模型"
• "理论饱和度" 或 "饱和度检验"
• 需要整合所有范畴构建核心理论

脚本调用时机

当需要执行选择式编码的不同阶段时，调用对应的脚本：

• 核心范畴识别：调用 identify_core_category.py
• 故事线构建：调用 construct_storyline.py
• 理论框架整合：调用 integrate_theory.py
• 理论饱和度检验：调用 check_saturation.py

统一输入格式

{
  "coding_context": {
    "research_topic": "研究主题",
    "previous_coding_stages": ["开放编码", "轴心编码"],
    "theoretical_perspective": "理论视角",
    "coding_purpose": "编码目的"
  },
  "input_data": {
    "categories": [
      {
        "id": "范畴ID",
        "name": "范畴名称",
        "definition": "范畴定义",
        "type": "范畴类型(核心/次要)",
        "concepts": ["概念ID列表"],
        "properties": "范畴属性"
      }
    ],
    "relationships": [
      {
        "id": "关系ID",
        "from_category": "源范畴ID",
        "to_category": "目标范畴ID",
        "type": "关系类型",
        "strength": "关系强度(0-1)"
      }
    ],
    "axial_codes": "轴心编码结果",
    "paradigm_models": ["Paradigm模型列表"]
  },
  "coding_parameters": {
    "core_category_criteria": {
      "explanatory_power": "解释力权重",
      "connectivity": "连接度权重",
      "data_support": "数据支持权重"
    },
    "saturation_thresholds": {
      "new_concept_rate": 0.05,
      "category_completion": 0.90,
      "relationship_rate": 0.10,
      "theory_completion": 0.90
    }
  }
}

统一输出格式

{
  "summary": {
    "core_category": "核心范畴名称",
    "saturation_score": "饱和度分数(0-1)",
    "propositions_count": "理论命题数量",
    "is_fully_saturated": "是否完全饱和",
    "processing_time": "处理时间(秒)"
  },
  "details": {
    "core_category_analysis": {
      "id": "核心范畴ID",
      "name": "核心范畴名称",
      "definition": "核心范畴定义",
      "explanatory_power": "解释力(0-1)",
      "connectivity": "连接度(0-1)",
      "data_support": "数据支持度(0-1)",
      "rationale": "选择理由",
      "related_categories": ["相关范畴ID列表"]
    },
    "storyline": {
      "central_narrative": "中心叙事",
      "key_elements": {
        "actors": ["主要行动者"],
        "events": ["关键事件"],
        "processes": ["核心过程"],
        "outcomes": ["结果"]
      },
      "causal_chains": ["因果链条"],
      "chronological_order": "时间顺序"
    },
    "theory_framework": {
      "theoretical_propositions": [
        {
          "id": "命题ID",
          "statement": "命题陈述",
          "categories_involved": ["涉及范畴"],
          "mechanism": "作用机制"
        }
      ],
      "conceptual_model": "概念模型描述",
      "boundary_conditions": "边界条件",
      "scope": "理论适用范围"
    },
    "saturation_report": {
      "new_concept_rate": "新概念率",
      "category_completion": "范畴完成度",
      "new_relationship_rate": "新关系率",
      "theory_completion": "理论完成度",
      "saturation_status": "饱和状态评估",
      "additional_data_needed": "是否需要更多数据"
    },
    "statistics": {
      "theoretical_integration": "理论整合度",
      "framework_coherence": "框架一致性",
      "conceptual_density": "概念密度"
    }
  },
  "metadata": {
    "timestamp": "时间戳",
    "version": "版本号",
    "skill": "performing-selective-coding",
    "processing_stage": "处理阶段"
  }
}

核心流程

第一步：核心范畴识别

使用工具自动评估：

• 计算解释力（能解释多少数据）
• 计算连接度（与多少范畴相关）
• 计算数据支持（有多少证据）
• 综合评分并排序

定性验证：

• 检查是否能统领其他范畴
• 验证与研究问题的契合度

详见：references/core-category/INDEX.md

---

第二步：故事线构建

使用工具辅助：

• 提取时间线和关键事件
• 识别行动者和角色
• 构建因果链条

人工精炼：

• 形成连贯的叙述
• 确保逻辑性和说服力

详见：references/storyline/INDEX.md

---

第三步：理论框架整合

使用工具生成：

• 提炼理论命题
• 构建概念框架
• 解释作用机制

定性完善：

• 确保逻辑严谨
• 明确理论边界

详见：references/theory-integration/INDEX.md

---

第四步：理论饱和度检验

使用工具检验：

• 检查新概念出现率
• 检查范畴完整性
• 检查关系稳定性
• 评估理论完整性

判断标准：

• 新概念率 < 5%
• 范畴完整性 ≥ 90%
• 新关系率 < 10%
• 理论完整性 ≥ 90%

详见：references/saturation/INDEX.md

输出格式

统一的三层JSON格式：

{
  "summary": {
    "core_category": "学业适应困难",
    "saturation_score": 0.92,
    "propositions_count": 8,
    "is_fully_saturated": true
  },
  "details": {
    "core_category_analysis": {...},
    "storyline": {...},
    "theory_framework": {...},
    "saturation_report": {...}
  }
}

质量检查标准

在完成选择式编码后，请检查以下项目：

核心范畴质量

• 核心范畴具有最强解释力
• 核心范畴与多数范畴相关
• 核心范畴有充分数据支持
• 核心范畴理论价值明确

故事线质量

• 故事线逻辑清晰连贯
• 包含所有重要元素
• 因果关系明确
• 具有说服力和完整性

理论框架质量

• 理论命题逻辑严谨
• 概念框架系统完整
• 作用机制解释清晰
• 边界条件明确

饱和度质量

• 理论达到充分饱和
• 数据支持充分
• 关系识别完整
• 理论价值明确

常见问题

快速诊断：

• 难以确定核心范畴 → 使用 identify_core_category.py 量化评估
• 故事线不连贯 → 见 references/storyline/INDEX.md
• 理论框架复杂 → 见 references/theory-integration/INDEX.md
• 理论未达饱和 → 使用 check_saturation.py 检验维度

深入学习

• 核心范畴理论：references/core-category/INDEX.md - 选择标准详解
• 故事线构建：references/storyline/INDEX.md - 叙事方法
• 理论整合：references/theory-integration/INDEX.md - 命题提炼
• 饱和度检验：references/saturation/INDEX.md - 判断标准

完成标志

完成高质量的选择式编码应该产出：

1. 明确的核心范畴
2. 完整的故事线
3. 系统的理论框架
4. 充分的饱和度证明
5. 清晰的理论贡献

---

此技能为扎根理论研究的选择式编码阶段提供完整指导，确保从范畴体系到核心理论的科学转化和理论建构。