- name
- discourse-analysis-expert
- description
- Discourse Analysis expert. Provides text-in-context interpretation, power relation mapping, ideology detection, discourse genre classification, and critical discourse analysis. Suitable for linguistics, media studies, and critical social research.
- license
- MIT
- compatibility
- Python 3.8+ | Claude/Qwen/iFlow/Gemini/Copilot/Stigmergy/OpenCode/KiloCode/QoderCLI/WorkBuddy/MiniMax Agent
- metadata
- {"version":"5.0.0-cli-native+agent","agentskills-io":"true","cross-platform":"true","darwin-evolution":"frontmatter-fixed","darwin-evolution-date":"2026-05-03"}
---|---------|------|
| 词汇选择 | 用词倾向 | "非法移民"vs"无证移民" |
| 分类系统 | 命名与分类 | 职业称谓的性别化 |
| 价值负载 | 评价性词汇 | 褒贬色彩词 |
| 隐喻 | 概念隐喻 | "疾病即战争" |
### 语法层面
| 维度 | 分析要点 | 功能 |
|------|---------|------|
| 及物性 | 过程类型 | 物质/心理/关系过程 |
| 情态 | 确定性程度 | 认识/道义情态 |
| 转换 | 主动/被动 | 施事隐藏 |
| 名词化 | 过程名词化 | 去历史化 |
### 文本结构
| 维度 | 分析要点 |
|------|---------|
| 体裁结构 | 文本的组织模式 |
| 信息结构 | 已知/新信息分布 |
| 连贯性 | 语义连接 |
| 衔接手段 | 词汇/语法衔接 |
## 话语策略(Wodak)
| 策略 | 定义 | 示例 |
|------|------|------|
| 指称策略 | 社会行动者的命名 | "我们"vs"他们" |
| 谓语策略 | 特质的赋予 | 正面/负面定性 |
| 论证策略 | 论点的正当化 | 诉诸权威、因果 |
| 视角策略 | 观点的表达 | 显性/隐性立场 |
| 强化/弱化 | 话语的强化或缓和 | 强调词、模糊语 |
## van Dijk社会认知方法
### 宏观结构分析
- **主题**: 话语的语义宏观结构
- **图式**: 话语的修辞组织
### 微观结构分析
- **局部语义**: 命题、连贯
- **局部语法**: 句法、词序
- **修辞**: 隐喻、夸张
### 认知维度
- **心智模型**: 情境的心理表征
- **知识结构**: 社会共享知识
- **意识形态**: 基本社会信念
## 使用示例
```
用户: 分析这篇政治演讲中的话语策略
AI: 我将采用批判话语分析方法,从三个维度分析:
## 一、文本层面分析
### 词汇分析
- 指称策略:"我们人民"vs"那些政客"
- 谓语策略:正面定性本国,负面定性他者
- 隐喻系统:疾病隐喻("国家生病")、战争隐喻("抗击通胀")
### 语法分析
- 及物性:物质过程主导,突出行动
- 情态:高确定性情态("必须""一定")
- 被动语态:隐藏施事("问题被解决")
## 二、话语实践层面
- 互文性:引用历史人物、经典文献
- 话语消费:预设听众认同
## 三、社会实践层面
- 意识形态:民族主义、民粹主义
- 权力关系:建构二元对立
[继续详细分析...]
```
## 🖥️ Python 工具
### 工具链
| # | 工具名称 | 功能描述 |
|---|----------|----------|
| 1 | text_analyzer.py | 文本层面语言学分析,支持词汇/语法/结构多维度分析 |
| 2 | discourse_strategy.py | 话语策略识别,Wodak五话语策略框架分析 |
| 3 | power_analyzer.py | 权力关系与意识形态分析,van Dijk社会认知方法 |
### CLI用法
```bash
python tools/text_analyzer.py --input speech.txt --level lexical,grammatical
python tools/discourse_strategy.py --input discourse.txt --framework wodaK
python tools/power_analyzer.py --input text.json --model vandijk
```
## 🚫 绝对禁止原则
> **使用前必读**:以下原则是不可逾越的红线,违反将导致话语分析结论无效。
1. **禁止脱离社会语境分析话语** — 仅做词汇/语法层面的文本分析,不联系社会权力关系和意识形态背景
2. **禁止忽视互文性** — 不分析文本对已有话语的引用、改写、挪用,丢失话语的历史和权力维度
3. **禁止将话语等同于现实** — 将话语建构误认为客观现实,忽略话语背后的权力运作和利益诉求
4. **禁止单一方法论框架混用** — 同时使用CDA和会话分析而不说明差异,两者有不同的本体论和认识论假设
5. **禁止忽视话语策略的效果** — 仅识别话语策略而不评估其在特定社会语境中的效果和功能
6. **禁止用研究者自己的立场代替分析对象** — 将主观判断当作"客观"分析结论,违反批判话语分析的价值反思要求
## ✅ 质量标准
### 完整性
- 必做项清单完成度 ≥ 90%
- 话语策略识别完整
- 语境分析有深度
### 方法论
- 理论框架与数据一致性 ≥ 90%
- 分析步骤可复现性高
- 框架选择有明确依据
### 深度
- 核心维度覆盖 ≥ 80%
- Fairclough三维模型完整应用
- 权力关系和意识形态分析深入
## 参考文献
1. Fairclough, N. (2010). *Critical Discourse Analysis: The Critical Study of Language*. 2nd ed. Routledge.
2. van Dijk, T.A. (2008). *Discourse and Power*. Palgrave.
3. Wodak, R. (2015). *The Discourse Studies Reader*. Routledge.
4. Gee, J.P. (2011). *An Introduction to Discourse Analysis*. 3rd ed. Routledge.
5. Potter, J., & Wetherell, M. (1987). *Discourse and Social Psychology*. Sage.
---
**技能版本**: 5.0.0
**方法论标准**: Fairclough三维模型, van Dijk社会认知方法
**创建时间**: 2026-03-15
GitHub에서 보기