performing-axial-coding

# 轴心编码技能 (Performing Axial Coding) ## Overview 专门用于扎根理论研究的轴心编码阶段，将开放编码产生的概念整合为系统性的范畴体系，并建立范畴间的逻辑关系。 ## When to Use This Skill Use this skill when the user requests: - Integration of open coding concepts into categories - Identification of category properties and dimensions - Establishment of relationships between categories - Construction of paradigm models (conditions-context-actions-outcomes) - Development of theoretical frameworks from coded data - Systematic approach to mid-stage qualitative analysis - Chinese qualitative data analysis following grounded theory principles - Need for systematic planning and progress tracking in axial coding - Integration with planning-with-files for project management ## Quick Start When a user requests axial coding: 1. **Group** related concepts from open coding into categories 2. **Analyze** properties and dimensions of each category 3. **Establish** relationships between categories 4. **Construct** paradigm models linking categories 5. **Validate** the coherence of the category system ## 使用时机 当用户提到以下需求时，使用此技能： - "轴心编码" 或 "执行轴心编码" - "范畴构建" 或 "概念归类" - "属性维度分析" 或 "维度分析" - "范畴关系" 或 "概念关系" - "Paradigm构建" 或 "范式构建" - 需要将开放编码结果整合为理论框架 ## 脚本调用时机 当需要执行轴心编码的不同阶段时，调用对应的脚本： - 范畴识别阶段：调用 `identify_categories.py` - 属性分析阶段：调用 `analyze_properties.py`（可选） - 关系建立阶段：调用 `build_relationships.py` - Paradigm构建阶段：调用 `construct_paradigm.py` ## 统一输入格式 ```json { "coding_context": { "research_topic": "研究主题", "previous_coding_stage": "前期编码阶段(开放编码/轴心编码)", "theoretical_perspective": "理论视角", "coding_purpose": "编码目的" }, "input_data": { "concepts": [ { "id": "概念ID", "name": "概念名称", "definition": "概念定义", "examples": ["示例1", "示例2"] } ], "codes": [ { "id": "编码ID", "concept_id": "关联概念ID", "text": "编码文本", "source_segment": "来源段落" } ], "previous_categories": [ { "id": "前期范畴ID", "name": "前期范畴名称", "concepts": ["概念ID列表"] } ] }, "coding_parameters": { "abstraction_level": "抽象层次要求", "number_of_categories": "目标范畴数量", "category_type": "范畴类型(核心/次要)", "relationship_types": ["因果", "条件", "策略", "互动"] } } ``` ## 统一输出格式 ```json { "summary": { "total_categories": "范畴总数", "core_categories": "核心范畴数", "total_relationships": "关系总数", "paradigm_completeness": "Paradigm完整度", "processing_time": "处理时间(秒)" }, "details": { "categories": [ { "id": "范畴ID", "name": "范畴名称", "definition": "范畴定义", "concepts": ["概念ID列表"], "properties": { "dimension": "维度特征", "values": ["维度值"], "conditions": "条件特征" }, "type": "范畴类型(核心/次要)", "frequency": "出现频次", "source_segments": ["来源段落ID列表"] } ], "relationships": [ { "id": "关系ID", "from_category": "源范畴ID", "to_category": "目标范畴ID", "type": "关系类型(因果/条件/策略/互动)", "strength": "关系强度(0-1)", "evidence": "关系证据", "description": "关系描述" } ], "paradigm_model": { "phenomenon": "核心现象", "conditions": ["条件范畴列表"], "context": "情境", "action_strategies": ["行动策略列表"], "consequences": ["后果列表"], "intervening_conditions": ["中介条件"], "outcomes": "结果" }, "statistics": { "category_cohesion": "范畴内聚度", "relationship_density": "关系密度", "paradigm_coherence": "Paradigm一致性" } }, "metadata": { "timestamp": "时间戳", "version": "版本号", "skill": "performing-axial-coding", "processing_stage": "处理阶段" } } ``` ## 核心流程 ### 第一步：范畴识别 **使用工具自动聚类**： ```bash python scripts/identify_categories.py --input codes.json --output categories.json ``` **定性精炼**： - 检查范畴内部一致性 - 调整范畴命名（行动导向） - 完善范畴定义 - 建立层级结构（核心/次要） 详见：`references/category-examples.md` ### 第二步：属性维度分析（可选） **使用工具分析属性**： ```bash python scripts/analyze_properties.py --input categories.json --output properties.json ``` **定性分析**： - 识别范畴的核心属性 - 定义属性的变化维度 - 在维度上定位案例 详见：`references/paradigm-theory.md` - 属性维度理论 ### 第三步：关系建立 **使用工具识别关系**： ```bash python scripts/build_relationships.py --input categories.json --output relationships.json ``` **关系类型**： - 因果关系：A导致B - 条件关系：当A时B发生 - 策略关系：通过A达成B - 互动关系：A与B相互影响 **定性判断**： - 验证关系的证据充分性 - 确定关系的方向和强度 - 分析关系的理论意义 详见：`references/relationship-types.md` - 关系类型详解 ### 第四步：Paradigm构建 **使用工具构建模型**： ```bash python scripts/construct_paradigm.py --input relationships.json --output paradigm.json ``` **Paradigm组件**： - 现象：核心研究现象 - 条件：导致现象的因素 - 行动：应对现象的策略 - 结果：行动的后果 **定性整合**： - 验证逻辑链条完整性 - 确认模型理论意义 - 撰写理论备忘录 详见：`references/paradigm-theory.md` - Paradigm模型详解 ## 输出格式 统一的三层JSON格式： ```json { "summary": { "total_categories": 8, "core_categories": 3, "total_relations": 12, "paradigm_completeness": 0.85 }, "details": { "categories": [...], "relationships": [...], "paradigm": {...} } } ``` ## 质量检查标准 在完成轴心编码后，请检查以下项目： ### 范畴构建质量 - [ ] 范畴命名准确且有意义 - [ ] 范畴定义清晰完整 - [ ] 概念归类合理有据 - [ ] 范畴层级结构清晰 - [ ] 范畴间区分度明确 ### 属性维度质量 - [ ] 属性识别全面准确 - [ ] 维度定义合理 - [ ] 维度范围适当 - [ ] 案例定位准确 - [ ] 分布分析科学 ### 关系建立质量 - [ ] 关系类型判断准确 - [ ] 关系强度评估合理 - [ ] 关系证据充分 - [ ] 关系方向正确 - [ ] 关系网络完整 ### Paradigm构建质量 - [ ] 条件识别完整 - [ ] 行动描述准确 - [ ] 结果分析全面 - [ ] 逻辑链条清晰 - [ ] 理论意义明确 ## 常见问题 **快速诊断**： - 范畴过于宽泛 → 使用 `identify_categories.py` 增加聚类数 - 概念归属不明确 → 见 `references/troubleshooting.md` - 关系论证不充分 → 使用 `build_relationships.py` 查看证据计数 - Paradigm不完整 → 使用 `construct_paradigm.py` 检查完整度 ## 深入学习 - **Paradigm理论**：`references/paradigm-theory.md` - Strauss模型详解 - **范畴案例**：`references/category-examples.md` - 完整构建过程 - **关系类型**：`references/relationship-types.md` - 四种关系详解 - **故障排除**：`references/troubleshooting.md` - 问题诊断 ## 完成标志 完成轴心编码后应该产出： 1. 系统性的范畴体系 2. 详细的属性维度分析 3. 完整的范畴关系网络 4. 清晰的Paradigm理论模型 ## 轴心编码多阶段编码流程集成planning-with-files ### 阶段1：项目规划与准备 - 使用planning-with-files初始化项目 - 创建轴心编码任务计划文档 - 定义编码目标、范围和时间线 - 确定数据源和编码深度 ### 阶段2：范畴识别 - 跟踪范畴识别进度 - 记录范畴构建和命名结果 - 更新任务完成状态 - 记录范畴识别过程中发现的问题 ### 阶段3：属性维度分析 - 执行属性维度分析 - 监控属性分析进度 - 记录关键维度发现 - 与任务计划进行对照 ### 阶段4：关系建立 - 跟踪关系建立过程 - 记录范畴间关系发现 - 更新编码阶段状态 - 整理关系分析结果 ### 阶段5：Paradigm模型构建 - 跟踪Paradigm模型构建过程 - 记录模型组件和关系 - 监控模型完整性指标 - 整合模型构建结果 ### 阶段6：整合与总结 - 整合所有编码结果 - 生成轴心编码分析报告 - 记录关键洞察和反思 - 完成项目总结和复盘 --- *此技能为中文扎根理论研究的轴心编码阶段提供完整指导，确保从概念到范畴的科学转化和理论建构。*