SuperAPI AI 工具集

amr-methods

写作与研究

查看项目

更新于 10-15 20:08

技能介绍

用途:为 AMR 稿件提供理论构建(theory-construction)的方法指导。AMR 不发表实证数据,因此这里的“方法”指构建理论的技艺,而非数据收集与分析。

适用时机:构念与命题已存在但构建方式显得随意;审稿人会问“该构念的领域从何而来”;需要比直觉更严谨的构建路径;需为研究谜题选择理论构建风格。

可选方法:概念延展(将已知理论延伸至新领域,重设构念并加边界条件);类比/隐喻迁移(映射来源与目标,说明类比何处成立与失效);类型学构建(从理论而非数据推导维度,类型须互斥且穷尽,并理论化类型间转换);过程理论化(指定阶段、触发、反馈回路与时机,以及驱动变化的机制);构念重设(拆分或合并、重新定义领域并重推下游关系);跨层次理论化(说明涌现与自上而下效应,避免层次混淆)。

构件要点:构念须必要、独特且有清晰领域与范围条件,定义其排除项;关系须由构念与显式机制推导而非断言,并说明形式(因果/递归/调节/中介/构成);机制应命名驱动引擎,尽量具备微观基础,避免黑箱式“与……相关”;须陈述情境、时间与层次边界;命题应原则上可证伪。

检查清单:采用具名的构建方法(或明确的混合);每个构念必要、独特且有领域边界;每个关系由构念加机制推导;机制尽量有微观基础;类型学互斥且穷尽并源于理论;过程理论指定阶段、触发、反馈与时机;边界条件作为理论一部分;不掺入任何实证装置(无样本、测量、检验)。

反模式:把方法当作数据收集;类型学维度出于便利而非理论;过程“模型”实为无引擎的静态方框图;借用他领域构念却不理论化类比失效处;混淆理论层次与机制层次;先断言关系再倒填机制。

输出格式:【Construction approach】elaboration/analogy/typology/process/re-specification/cross-level;【Constructs built】名称与领域推导;【Mechanism basis】micro-foundations/structural/cognitive 等;【Boundary conditions】contextual/temporal/level;【Empirical apparatus present?】必须为 none;【Next step】amr-data-analysis(压力测试逻辑)。

限制:AMR 不含样本、测量、估计与结果,若需数据支撑观点应投稿 AMJ/ASQ/SMJ。关于该技能的价格、平台与安装方式,资料暂未提供。