performing-axial-coding

name	performing-axial-coding
description	执行扎根理论的轴心编码过程，包括范畴识别、属性维度分析、关系建立和Paradigm构建。当需要将开放编码的结果整合为系统性的范畴体系，建立概念间的逻辑关系时使用此技能。

轴心编码技能 (Performing Axial Coding)

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。

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

快速开始

工具链（4个核心脚本）

# 1. 范畴识别（从开放编码结果）
python scripts/identify_categories.py --input codes.json --output categories.json

# 2. 属性分析（可选）
python scripts/analyze_properties.py --input categories.json --output properties.json

# 3. 关系建立
python scripts/build_relationships.py --input categories.json --output relationships.json

# 4. Paradigm构建
python scripts/construct_paradigm.py --input relationships.json --output paradigm.json

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

• 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

---

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。