用途
该技能用于测量用户写作声音在不同语境中的变化程度。它通过比较由语境定义的子语料库之间的特征分布（词汇、正式度、句长、情感），将用户分类为稳定语域（跨语境声音一致）或语境依赖型语域（语境间存在系统性转变）。核心原则是比较分布而非均值——两个语境可能具有相同的平均句长，但分布完全不同，正是分布比较揭示了语域变化。当变化显著时，生成条件式风格规则（“在语境X中，使用语域Y”），而非单一全局画像。
主要能力
- 分析用户在不同社群、论坛或语境中写作是否不同
- 比较由语境定义的子语料库之间的词汇、正式度、句子结构或情感分布
- 判断语域变化是否具有统计显著性和实际意义（效应量）
- 将用户整体画像分类为稳定语域或语境依赖型语域
- 当检测到显著变化时，生成条件式复现规则
- 构建多语境声音画像，同时捕捉共享核心和语境特定转变
使用方式
工作流程包括七个步骤：
- 验证语料库适用性并定义语境子语料库
- 提取每个语境的各维度特征分布
- 比较语境对之间的分布（KS检验、效应量）
- 计算每个语境的Biber启发式多维画像
- 将语域分类为稳定或语境依赖型
- 生成条件式复现规则（若为语境依赖型）
- 将发现写入 docs/analysis/21-register-variation-code-switching.md
适用性检查包括：语境数量需2个以上、每个语境300词以上、每个语境5篇以上文本、语料库平衡（无语境超过另一语境10倍）、单一语言、单一作者、语境有意义的区分。
适用场景
- 分析用户在不同社群、论坛或语境中写作是否不同
- 比较由语境定义的子语料库之间的词汇、正式度、句子结构或情感分布
- 判断语域变化是否具有统计显著性和实际意义
- 将用户整体画像分类为稳定语域或语境依赖型语域
- 生成条件式复现规则
- 构建多语境声音画像
限制
不适用于以下情况：
- 语料库仅来自单一语境（无变化可测量；应使用 stylometric-fingerprinting）
- 少于2个语境且每个语境文本不足
- 目标是分析用户讨论的主题（应使用NMF主题建模）
- 文本为多语言且目标是检测语言切换（该技能处理单语言语域变化，而非双语代码切换）
- 判断语域变化是“好”还是“坏”（该技能测量变化，而非质量）
分类框架：稳定语域（所有维度效应量小）、轻度语境依赖（1-2个维度中等效应量）、强语境依赖（3个以上维度大效应量）。效应量阈值包括Cohen's d、Cliff's delta和KS统计量。