| name | tw-research-qualitative-analyzer |
| description | 質性資料編碼與主題分析工具，協助研究者對訪談逐字稿、焦點團體記錄、 觀察筆記或文本資料進行系統性編碼分析。 支援 Braun & Clarke 六步驟主題分析法、 Miles & Huberman 框架式分析，以及歸納式開放編碼。 輸出：編碼矩陣、主題聚類、代表性引述、編碼者信度評估。 當使用者提及「質性分析」「訪談分析」「逐字稿編碼」「主題分析」 「thematic analysis」「質性資料」「編碼」「質性研究」時觸發。 分類：學術研究（tw-research-*） 參考來源：agent-research-skills (data-analysis) + 紮根理論文獻
|
| version | 1.0.0 |
| author | 奇老師・數位敘事力社群 |
| allowed-tools | Bash, Read, Write |
質性資料編碼與主題分析工具 v1.0
核心哲學
「質性資料不是無法分析的混亂——而是等待被系統性發現的意義。
好的質性分析，需要嚴謹的系統 + 詮釋的敏感度。
本工具提供系統，你帶來對資料的熟悉與洞察。」
參考設計：agent-research-skills/data-analysis（分析系統化邏輯）
學術依據：Braun & Clarke (2006) 主題分析法、
Miles, Huberman & Saldaña (2020) 質性資料分析
Step 0：讀取參考資源
references/thematic_analysis_guide.md — 主題分析六步驟說明references/coding_matrix_templates.md — 編碼矩陣模板
Step 1：概念對齊確認卡
╔══════════════ 質性資料分析工具啟動 ══════════════╗
📌 任務：質性資料系統性編碼與主題分析
🎯 目標：編碼矩陣 + 主題聚類 + 代表性引述
請提供：
1. 資料類型（訪談逐字稿/焦點團體/觀察筆記/文件）
2. 分析方法偏好（主題分析/框架分析/開放編碼）
3. 貼上部分資料（至少 500-1000 字作為示範）
╚══════════════════════════════════════════════════╝
Step 2：分析方式選擇
Q1：「質性分析方法？
A. 主題分析（Thematic Analysis）— 最常用，適合初學者
→ Braun & Clarke (2006) 六步驟
B. 框架分析（Framework Analysis）— 適合政策研究
→ 先建立分析框架，再對照資料
C. 開放編碼（Open Coding）— 紮根理論第一層
→ 見 tw-research-grounded-theory
D. 內容分析（Content Analysis）— 頻率+類別
→ 見 tw-research-content-analysis
E. 論述分析（Discourse Analysis）— 語言與權力」
Q2：「編碼取向？
A. 歸納式（Inductive）— 讓主題從資料中浮現
B. 演繹式（Deductive）— 以理論框架引導編碼
C. 混合（先演繹再歸納）」
Q3：「資料語言？
A. 中文（繁體）
B. 英文
C. 中英混合」
Q4：「資料量？
A. 少量（1-3 筆訪談，< 50 頁）
B. 中量（4-10 筆，50-150 頁）
C. 大量（> 10 筆，> 150 頁）— 建議使用 NVivo/Atlas.ti 輔助」
Step 3：Braun & Clarke 主題分析六步驟
Phase 1：熟悉資料（Familiarisation）
行動：
□ 閱讀所有資料至少兩遍
□ 記下初步印象和想法（備忘錄）
□ 識別潛在有意義的資訊
輸出：
• 資料概覽摘要（每筆 2-3 行）
• 初步感興趣的面向清單
Phase 2：初始編碼（Initial Coding）
編碼規則：
□ 為每個有意義的文字片段賦予簡短標籤（Code）
□ 編碼應描述「資料在說什麼」（語意層）
或「資料隱含什麼」（詮釋層）
□ 同一段文字可有多個編碼
□ 保留原始引述（供後續選取代表性引述）
編碼格式：
[編碼名稱] → 「原始引述」（受訪者代號，頁碼）
示範：
[學習動機-外部壓力] → 「老師說要考試，所以我才讀」（S01, p.3）
[學習策略-反覆練習] → 「我會每天寫一遍直到記住」（S01, p.3）
Phase 3：搜索主題（Searching for Themes）
行動：
□ 將相似的編碼歸類成更大的主題
□ 建立主題地圖（Theme Map）
輸出格式：
主題 A：[主題名稱]
子主題 A1：[子主題] → 包含編碼：[code1, code2]
子主題 A2：[子主題] → 包含編碼：[code3, code4]
主題 B：[主題名稱]
...
Phase 4：審核主題（Reviewing Themes）
審核標準：
□ 每個主題有足夠的資料支持（≥ 3 個引述）
□ 主題之間有清楚的概念界線
□ 主題能回答研究問題
□ 無明顯遺漏的重要主題
常見問題：
⚠️ 主題太廣（包含太多不同概念）→ 拆分子主題
⚠️ 主題太窄（只有 1-2 個引述）→ 合併至相鄰主題
⚠️ 主題只是描述（不是分析）→ 提升抽象層次
Phase 5：定義主題（Defining Themes）
每個主題需要：
□ 主題名稱（2-5 個詞，清楚描述核心概念）
□ 主題定義（2-3 句話說明此主題的範疇）
□ 代表性引述（2-3 個最能說明主題的原始語句）
□ 與研究問題的連結（此主題如何回答你的研究問題）
Phase 6：撰寫報告（Writing Up）
質性分析寫作格式：
1. 每個主題用一段文字描述（主題定義 + 詮釋）
2. 引入代表性引述（格式：「引述原文」[受訪者代號]）
3. 說明此主題與其他主題的關係
4. 連結到研究問題和理論框架
Step 4：編碼矩陣輸出格式
╔════════════════════════════════════════════════════════╗
質性分析編碼矩陣
研究主題：[研究主題]
資料來源：[訪談數/頁數]
分析方法：[主題分析/框架分析]
╠════════════════════════════════════════════════════════╣
主題一：[主題名稱]
定義：[2-3句說明]
子主題 1.1：[子主題名稱]
定義：[說明]
涉及受訪者：[S01, S03, S07（共X人）]
代表性引述：
「[引述1]」（S01）
「[引述2]」（S03）
子主題 1.2：[子主題名稱]
...
主題二：[主題名稱]
...
╠════════════════════════════════════════════════════════╣
主題摘要表：
┌───────────────┬──────────────┬──────┬──────────────┐
│ 主題 │ 子主題數 │ 涉及 │ 核心引述數 │
│ │ │ 人數 │ │
├───────────────┼──────────────┼──────┼──────────────┤
│ [主題一] │ [X] 個 │ X/N │ [X] 則 │
│ [主題二] │ [X] 個 │ X/N │ [X] 則 │
└───────────────┴──────────────┴──────┴──────────────┘
╚════════════════════════════════════════════════════════╝
Step 5：編碼者信度（若多人編碼）
若有多位編碼者，計算 Cohen's Kappa：
一致性評估方式：
□ 兩位編碼者各自獨立編碼 20% 的資料
□ 比較編碼結果
□ 計算一致性比率
一致性標準（Lincoln & Guba, 1985）：
• κ > .80：高度一致（可接受）
• κ = .60-.80：中等一致（需討論差異）
• κ < .60：低度一致（需重新訓練/修訂編碼手冊）
若由 AI 輔助編碼：
□ 研究者仍需審閱所有 AI 生成的編碼
□ 說明 AI 在分析過程中的角色
□ 強調最終詮釋由研究者決定
降級方案
若資料量過大（> 150 頁）：
- 建議先對資料進行初步分類
- 分批處理，每批 20-30 頁
- 推薦搭配 NVivo 或 Atlas.ti 等 CAQDAS 工具
- 提供 NVivo 匯入格式的編碼清單
