performing-selective-coding

name	performing-selective-coding
description	执行扎根理论的选择式编码过程，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。当需要整合所有范畴构建核心理论，形成完整的故事线和理论模型时使用此技能。

选择式编码技能 (Performing Selective Coding)

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。

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

快速开始

工具链（4个核心脚本）

# 第一步：识别核心范畴
python scripts/identify_core_category.py \
  --input categories.json \
  --relations relationships.json \
  --output core_category.json

# 第二步：构建故事线
python scripts/construct_storyline.py \
  --input data.json \
  --categories categories.json \
  --relations relationships.json \
  --output storyline.json

# 第三步：整合理论框架
python scripts/integrate_theory.py \
  --categories categories.json \
  --relations relationships.json \
  --output theory.json

# 第四步：检验饱和度
python scripts/check_saturation.py \
  --existing theory.json \
  --new new_data.json \
  --output saturation.json

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。