performing-open-coding

# 开放编码技能 (Performing Open Coding) ## Overview 专门用于扎根理论研究的开放编码阶段，对中文质性数据进行系统性的概念识别和初始编码工作。 ## When to Use This Skill Use this skill when the user requests: - Initial coding of qualitative data in grounded theory - Concept identification from interview transcripts or other qualitative data - Line-by-line coding of textual data - Initial categorization of phenomena in data - Development of initial theoretical concepts from data - Systematic approach to early-stage qualitative analysis - Chinese qualitative data analysis following grounded theory principles - Need for systematic planning and progress tracking in open coding - Integration with planning-with-files for project management ## Quick Start When a user requests open coding: 1. **Prepare** the qualitative data for coding 2. **Identify** initial concepts and phenomena 3. **Code** data line by line or paragraph by paragraph 4. **Compare** concepts across different data segments 5. **Develop** initial categories and memo notes ## 使用时机 当用户提到以下需求时，使用此技能： - "开放编码" 或 "执行开放编码" - "扎根理论编码" 或 "质性数据编码" - "概念识别" 或 "概念提取" - "初始编码" 或 "逐行编码" - "持续比较" 或 "编码比较" - "备忘录撰写" 或 "编码备忘录" - 需要分析中文访谈、观察记录或文档资料 ## 脚本调用时机 当需要执行开放编码的不同阶段时，调用对应的脚本： - 数据预处理阶段：调用 `preprocess_text.py` - 概念识别阶段：调用 `auto_loader.py` - 持续比较阶段：调用 `compare_codes.py` - 概念聚类阶段：调用 `cluster_concepts.py` - 编码验证阶段：调用 `validate_codes.py` ## 统一输入格式 ```json { "coding_context": { "research_topic": "研究主题", "data_source_type": "数据来源类型(访谈/观察/文档)", "language": "数据语言", "coding_purpose": "编码目的" }, "raw_data": { "content": "原始文本内容", "segments": [ { "id": "段落ID", "text": "段落文本", "context": "上下文信息" } ] }, "coding_parameters": { "abstraction_level": "抽象层次", "coding_depth": "编码深度", "theoretical_focus": "理论关注点" }, "previous_results": { "concepts": "之前识别的概念", "codes": "之前创建的编码", "memos": "之前的备忘录" } } ``` ## 统一输出格式 ```json { "summary": { "total_concepts": "识别的概念总数", "total_codes": "创建的编码总数", "processing_time": "处理时间(秒)", "coding_progress": "编码进度" }, "details": { "concepts": [ { "id": "概念ID", "name": "概念名称(动词开头)", "definition": "概念定义", "examples": ["示例1", "示例2"], "frequency": "出现频率", "source_segments": ["来源段落ID列表"] } ], "codes": [ { "id": "编码ID", "concept_id": "关联概念ID", "segment_id": "来源段落ID", "code_text": "编码文本", "context": "上下文信息" } ], "relationships": [ { "from_concept": "源概念ID", "to_concept": "目标概念ID", "relationship_type": "关系类型", "strength": "关系强度(0-1)" } ], "statistics": { "concept_diversity": "概念多样性", "coding_density": "编码密度", "intercoder_agreement": "编码者间一致性(可选)" } }, "metadata": { "timestamp": "时间戳", "version": "版本号", "skill": "performing-open-coding", "processing_stage": "处理阶段" } } ``` ## 快速开始 ### 工具链（5个脚本） ```bash # 1. 文本预处理 python scripts/preprocess_text.py --input interview.txt --output clean.json # 2. 快速概念提取 python scripts/auto_loader.py --input interview.txt --output concepts.json # 3. 持续比较 python scripts/compare_codes.py --input concepts.json --output comparison.json # 4. 概念聚类（可选） python scripts/cluster_concepts.py --input concepts.json --output clusters.json # 5. 编码验证 python scripts/validate_codes.py --input concepts.json --output validation.json ``` ## 核心流程 ### 第一步：数据预处理 使用预处理工具清洗文本： ```bash python scripts/preprocess_text.py --input raw.txt --output clean.json ``` **关键要点**： - 中文分词（jieba） - 停用词过滤 - 语义分段 详见：`references/theory.md` - 预处理原理 ### 第二步：概念识别 使用自动提取工具获得初步概念： ```bash python scripts/auto_loader.py --input raw.txt --output concepts_v1.json ``` **编码原则**： - ✅ 使用动词开头（"寻求帮助"） - ✅ 保持适度抽象（既不过具体也不过抽象） - ✅ 提供清晰定义和示例 详见：`references/examples.md` - 完整编码案例 **人工精炼**： - 改进概念命名 - 补充清晰定义 - 添加具体示例 ### 第三步：持续比较 使用比较工具识别重复和关系： ```bash python scripts/compare_codes.py --input concepts.json --output comparison.json ``` **比较维度**： - 相似度>0.8 → 考虑合并 - 相似度0.5-0.8 → 建立关联 - 相似度<0.5 → 独立概念 详见：`references/theory.md` - 持续比较方法 ### 第四步：编码优化 **使用聚类发现模式**（可选）： ```bash python scripts/cluster_concepts.py --input concepts.json --output clusters.json ``` **使用验证工具检查质量**： ```bash python scripts/validate_codes.py --input concepts.json --output validation.json ``` **质量标准**： - 命名规范：动词开头，长度适中 - 定义完整：清晰说明概念内涵 - 示例充分：至少2个具体例子 详见：`references/troubleshooting.md` - 常见问题解决 ### 第五步：备忘录撰写 记录编码过程的关键思考： - 概念识别的理由 - 概念间的关系发现 - 方法反思和改进 详见：`writing-grounded-theory-memos` 技能 ## 输出格式 所有工具使用统一的三层JSON格式： ```json { "summary": { "total_concepts": 20, "top_concepts": ["学习", "帮助", "关系"], "processing_time": 2.5 }, "details": { "concepts": [...], "statistics": {...} }, "metadata": { "timestamp": "2025-12-18T10:30:00", "version": "1.0.0" } } ``` 详见：`references/examples.md` - 完整输出示例 ## 质量检查清单 在完成开放编码后，请检查以下项目： - [ ] 所有概念命名都使用行动导向的动词开头 - [ ] 每个概念都有清晰的定义和说明 - [ ] 提供了具体且代表性的示例 - [ ] 进行了充分的持续比较分析 - [ ] 撰写了完整的分析备忘录 - [ ] 准确理解了中文语境的特殊含义 - [ ] 保持了编码的一致性和连贯性 - [ ] 概念的抽象层次适当，不过于具体也不过于抽象 ## 常见问题 **快速诊断**： - 概念过多/过少 → 见 `references/troubleshooting.md` - 问题1、2 - 抽象层次不当 → 见 `references/troubleshooting.md` - 问题3 - 重复编码 → 使用 `compare_codes.py` 自动识别 - 命名不规范 → 使用 `validate_codes.py` 检查 **中文特殊性**： - 关系导向、面子文化、集体主义 - 详见：`references/chinese-context.md` ## 深入学习 - **理论基础**：`references/theory.md` - 扎根理论流派、核心原则 - **实践案例**：`references/examples.md` - 完整编码过程 - **故障排除**：`references/troubleshooting.md` - 问题诊断和解决 - **中文语境**：`references/chinese-context.md` - 文化和语言特点 ## 完成标志 完成开放编码后，应该产出： 1. 完整的概念编码清单 2. 详细的备忘录记录 3. 概念间关系分析 4. 质量评估报告 ## 开放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 - 创建开放编码任务计划文档 - 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：数据预处理 - 跟踪数据预处理进度 - 记录数据清洗和分段结果 - 更新任务完成状态 - 记录预处理过程中发现的问题 ### 阶段3：概念识别 - 执行初步概念提取 - 监控概念识别进度 - 记录关键概念发现 - 与任务计划进行对照 ### 阶段4：持续比较 - 跟踪概念比较过程 - 记录概念相似性和关联 - 更新编码阶段状态 - 整理比较分析结果 ### 阶段5：编码优化与验证 - 跟踪编码优化过程 - 记录质量检查结果 - 监控编码一致性指标 - 整合优化结果 ### 阶段6：备忘录撰写与总结 - 整合所有编码结果 - 生成编码分析报告 - 记录关键洞察和反思 - 完成项目总结和复盘 --- *此技能专为中文质性研究设计，提供从数据预处理到概念提取的完整开放编码支持。*