| name | fsqca-analysis |
| description | 执行模糊集定性比较分析(fsQCA),结合定性理论分析与定量计算。包含理论分析、校准指导、定量计算、结果解释四个阶段。 |
| license | MIT |
| compatibility | Python 3.8+, pandas, numpy |
| metadata | {"domain":"qualitative-comparative-analysis","methodology":"fsQCA","complexity":"advanced","version":"1.0.0","integration_type":"qualitative_quantitative","author":"socienceAI.com","website":"http://agentpsy.com"} |
| allowed-tools | python bash read_file write_file task |
fsQCA分析技能
🧠 渐进式披露架构
Level 1: 核心元数据 (Token: ~100)
- 技能: fsQCA分析能力
- 触发: 复杂因果机制分析
- 方法: 模糊集定性比较分析
Level 2: 操作框架 (Token: ~500)
- 四阶段流程: 理论→校准→定量→解释
- AI协作: 定性思考 + 定量计算
- 智能决策: 自动调用适当工具
Level 3: 专业提示词 (按需加载)
Level 4: 计算脚本 (直接调用)
🔄 定性定量结合机制
定性分析 (AI职责)
- 理论构建 - 概念定义、条件选择 → 理论分析提示
- 校准策略 - 隶属度函数选择 → 校准指导提示
- 结果阐释 - 因果机制解释 → 结果解释提示
定量计算 (脚本职责)
- 模糊集校准 - 隶属度计算 (
calibration.py)
- 真值表构建 - 一致性与覆盖度 (
truth_table.py)
- 逻辑最小化 - 解生成与评估 (
minimization.py)
📋 四阶段分析流程
- 理论构建 → AI加载理论分析提示进行深度理论分析
- 校准规划 → AI结合数据特征与校准指导提示制定校准方案
- 定量分析 → 脚本执行确定性计算(校准→真值表→最小化)
- 结果解释 → AI基于定量结果和结果解释提示进行深度阐释
📚 参考资源
🚀 快速开始
cd fsqca-analysis/
python scripts/integrated_analysis.py
AI职责: 理论思考与结果解释(定性分析) | 脚本职责: 精确计算(定量分析) | 协作机制: 智能决策引擎