菜单
质性研究负面案例分析工具（Negative Case Analysis）。研究者提供当前的暂定命题和 相关材料，skill 系统识别与命题不一致的案例，并将不一致区分为四种类型： 真反例、边界案例、维度差异、数据不足——分别给出命题修订方向。 当用户说"帮我找反例""挑战一下这个命题""这个结论成立吗""负面案例分析" "有没有不符合的情况""检验一下这个命题""有没有例外"时触发此 skill。 注意：这不是"找不同意见"的工具，而是用来发展更有边界感的命题的分析工具。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/yipng05-max/-skills --skill negative-case-finder命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
正在显示 SKILL.md
| name | negative-case-finder |
| description | 质性研究负面案例分析工具（Negative Case Analysis）。研究者提供当前的暂定命题和 相关材料，skill 系统识别与命题不一致的案例，并将不一致区分为四种类型： 真反例、边界案例、维度差异、数据不足——分别给出命题修订方向。 当用户说"帮我找反例""挑战一下这个命题""这个结论成立吗""负面案例分析" "有没有不符合的情况""检验一下这个命题""有没有例外"时触发此 skill。 注意：这不是"找不同意见"的工具，而是用来发展更有边界感的命题的分析工具。 |
本 skill 基于 Lincoln & Guba（1985）的负面案例分析方法及 Charmaz（2014）的理论抽样逻辑， 协助研究者系统识别与当前命题不一致的案例，并通过类型区分来推进命题修订，而非简单否定命题。
核心立场：负面案例不是命题的敌人，而是命题的精化器。 一个不能被负面案例修订的命题，要么是已经精确的好命题，要么是没有边界的泛化陈述。
触发后，收集以下信息：
一句话格式最佳，例如：
"在有正式雇佣经历对照的平台工人中，时间自由叙事的内部裂缝以'不接单罪恶感'为表征， 揭示平台将工作时间边界的管理责任从组织转移至工人个体。"
可以是：
如果研究者已注意到某些让命题不稳定的材料，先行标注，skill 优先处理。
收到信息后，自动连续执行以下三个阶段，无需每步等待用户确认。
在寻找负面案例之前，先解析命题的内部逻辑结构，输出：
这一步的目的是让后续的负面案例识别有明确的靶向，而非泛泛寻找"不同意见"。
根据命题结构，从提供的材料中（或基于对材料的推断）识别不一致之处， 将每个不一致归入以下四种类型之一，并给出对应处理建议：
定义：满足命题的全部前提条件，但结果与命题预测相反，且无法通过调整边界条件来解释。
识别信号：
分析要求：
输出格式：
[真反例] 案例描述：
机制威胁：该案例挑战命题中的哪个环节？
修订方向：命题可能需要如何根本性修订？
定义：命题在某个条件范围内成立，但在另一个条件范围内不成立。这类案例不否定命题， 而是揭示命题的适用边界，帮助研究者精化命题的条件范围。
识别信号：
分析要求：
输出格式：
[边界案例] 案例描述：
关键转折条件：是什么条件差异导致了不同结果？
命题精化方向：可以在命题中加入"当……时"来更准确地界定适用范围
精化后命题草稿：
定义：案例表面上与命题不一致，实质上是同一现象在不同程度、阶段或侧面的表现。 这类案例不否定命题，而是提示命题所描述的现象是有内部变异的，可能需要引入维度分析。
识别信号：
分析要求：
输出格式：
[维度差异] 案例描述：
核心机制一致性：该案例与命题共享哪些核心机制？
维度来源：表现形式的差异来自哪个维度（程度/阶段/类型/关系形式）？
分析深化方向：是否需要引入维度分析来容纳这种变异？
定义：存在理论上可能威胁命题的情况，但目前材料不足以判断它究竟是真反例、边界案例 还是维度差异。这类情况不是"没有问题"，而是提示理论抽样的方向。
识别信号：
分析要求：
输出格式：
[数据不足] 缺口描述：目前哪个关键情境/受访者类型缺少材料？
理论抽样建议：应寻访什么类型的案例，预期会看到什么，预期找不到什么？
当前命题可信度影响：这个数据空白对命题的当前使用有何限制？
综合以上分析，提供命题修订的整体方向：
按照威胁程度从高到低列出需要处理的负面案例：
情形 A：发现真反例
命题可能需要根本性修订。建议：
- 回到数据，重新检视支撑命题的核心机制是否真的在材料中有直接证据
- 考虑原命题是否是一个特殊条件下的现象，而非普遍机制
- 提出修订后的命题草稿
情形 B：发现多个边界案例
命题的适用范围需要精化。建议：
- 在命题中加入更明确的条件限定
- 考虑是否可以发展为"在A条件下……；在B条件下……"的比较命题
- 提出精化后的命题草稿
情形 C：主要是数据不足
命题目前处于初步成立状态，需要主动寻找挑战。建议：
- 按理论抽样建议寻访新案例
- 暂时以"在目前材料范围内"为前提使用命题
- 标注哪些关键检验尚未完成
情形 D：主要是维度差异
命题核心成立，但需要内部分化。建议：
- 引入维度分析来容纳现象的内部变异
- 考虑是否可以发展为包含维度概念的更细致命题
每次分析的最终输出包括：
在所有输出之后，输出以下固定文字：
命题修订判断移交研究者。 负面案例的最终解释和命题的最终修订必须由研究者作出。 以下问题请研究者自行判断后告知，以便进入后续工作：
- 你认为哪些不一致是真反例，哪些是边界案例？
- 你是否认可这里的修订方向？
- 有没有你在材料中注意到但这里没有提及的不一致之处？
| Skill | 定位 | 何时使用 |
|---|---|---|
negative-case-finder | 负面案例识别与命题修订 | 命题初步成立后，系统性挑战其边界 |
thematic-analysis | 主题识别与结构化 | 有了初始编码，需要组织成主题结构 |
grounded-coding | 编码生成与类属建构 | 需要从原始访谈材料生成系统编码 |
memo-coach | 分析备忘录引导 | 对某个命题有深入想法，需要提炼 |
推荐使用顺序：
grounded-coding（生成初始编码，形成初步命题）
↓
memo-coach（深化命题的分析备忘录）
↓
negative-case-finder（挑战命题，发现边界与反例）
↓
memo-coach（修订后的命题再次深化）
负面案例分析不是终点，而是一次命题精化的循环。 每次 negative-case-finder 的输出，都可能触发新一轮的 memo-coach 或理论抽样。