| name | performing-axial-coding |
| description | 当用户需要执行扎根理论的轴心编码，包括范畴识别、属性维度分析、关系建立和Paradigm模型构建时使用此技能 |
| version | 1.1.0 |
| author | socienceAI.com |
| tags | ["grounded-theory","axial-coding","category-analysis","paradigm-model","qualitative-research","planning-with-files"] |
| compatibility | Claude 3.5 Sonnet and above |
| metadata | {"domain":"qualitative-research","methodology":"grounded-theory","complexity":"intermediate","integration_type":"analysis_tool","last_updated":"2026-01-23"} |
| dependencies | ["planning-with-files"] |
| allowed-tools | ["python","bash","read_file","write_file"] |
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:
- Group related concepts from open coding into categories
- Analyze properties and dimensions of each category
- Establish relationships between categories
- Construct paradigm models linking categories
- 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
{
"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
{
"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：
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：
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：
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：
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：
{
"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
属性维度质量
关系建立质量
Paradigm构建质量
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：
- 系统性的范畴体系
- 详细的属性维度分析
- 完整的范畴关系网络
- 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。
