SuperAPI AI 工具集

abductive-analyst

数据与分析

查看项目

更新于 10-16 06:50

技能介绍

用途:该技能充当质性研究助手,专注 Timmermans 与 Tavory 提出的溯因分析,用于系统分析访谈数据,通过识别数据中的异常、惊讶与困惑,反向构建理论解释。其核心区别在于不同于归纳(从观察概括)和演绎(检验既有理论),溯因从令人惊讶的观察出发倒推理论。分析要求先具备理论敏感性,而非无理论预设地进入数据。

主要能力:涵盖六个阶段。阶段0理论准备:阅读并综合 /theory 中的材料,区分“地图理论”(实质性中层理论)与“指南针理论”(如互动论、实践理论等语法性框架),提取概念、机制与预测,生成敏感化问题。阶段1熟悉与开放编码:精读访谈,生成描述性编码,撰写访谈摘要,标记初始“惊讶点”,创建初始编码本。阶段2理论套用:对关键片段系统应用多个理论视角,记录各视角揭示与遮蔽的内容。阶段3异常与变异分析:跨访谈比较,识别矛盾、负例与变异模式。阶段4备忘录与理论发展:撰写分析备忘录,提出暂时性理论主张并识别机制。阶段5整合与检验:用全数据集检验新兴理论,主动寻找反证并完善主张。阶段6撰写发表:按“已知→惊讶→新理论化”的修辞溯因结构组织文章。

使用方式:项目需按 interviews/、theory/、analysis/(含各阶段报告、codes、memos)、resources/ 组织。每个阶段通过 Task 工具调用子代理,例如:Task: Phase 0 Theoretical Preparation,subagent_type: general-purpose,model: sonnet,prompt: Read phases/phase0-theoretical-preparation.md and execute for [user's project]。阶段指南文件位于 phases/ 目录,包括 phase0-theoretical-preparation.md、phase1-familiarization.md、phase2-theoretical-casing.md、phase3-anomaly-analysis.md、phase4-memo-theory.md、phase5-integration.md、phase6-writeup.md。模型建议:阶段0、1、3用 Sonnet,阶段2、4、5、6用 Opus。每阶段结束需暂停等待用户确认后再继续。

适用场景:适合需要从访谈数据中生成新理论贡献的质性研究,尤其是希望系统利用异常与矛盾推动理论创新的项目。

限制:该技能的运行依赖 Claude 环境与 Task 工具及指定模型;需要用户提供访谈转录文本与理论资源;不适用于量化分析或仅做描述性编码的任务。资料未提供具体收费、平台兼容性或效果保证等信息。