thematic-analysis

主题分析辅助工具（Thematic Analysis）

本 skill 基于 Braun & Clarke（2006, 2019）的反思性主题分析框架，支持从原始访谈文本 到候选主题结构的完整分析流程。

重要定位：主题命名是分析行为，体现研究者的理论判断，最终命名必须由研究者作出。 本 skill 在命名阶段只提供备选，不做裁定。

方法论前提：Braun & Clarke 的反思性 TA 要求研究者对所有访谈逐份独立完成初始编码， 再将全部编码汇总为统一的编码池，然后才进入主题搜寻阶段。

---

启动：确认输入类型

触发后，第一步必须确认输入类型：

"你现在准备做主题分析——你手上有的是： A. 原始访谈文本（尚未编码） B. 已完成的初始编码（一份或多份） 哪种情况？"

情况 A：提供原始访谈文本 → 进入初始编码阶段

情况 B：提供已有初始编码 → 询问是否已汇总，进入编码池处理

---

编码风格确认（情况 A 专用，可选）

确认为情况 A 后，在正式开始编码前，询问研究者是否希望提供示范编码：

"在正式编码前，你可以选择： A. 研究者示范：你先对文本中任意一小段（3–5 句）做示范编码，AI 会识别你的编码风格，然后按你的风格完成后续编码 B. AI 直接编码：跳过示范，AI 按照标准原则直接开始

哪种方式？（选 B 或不回应则直接开始）"

若研究者选择 A（研究者示范）：

1. 请研究者提供示范片段及其对应编码（格式："原文" → [编码标签]）
2. AI 分析示范编码的风格特征，明确说明：
   • 粒度：偏细（逐句）还是偏粗（逐段）？
   • 用词：in-vivo（受访者原话）为主，还是研究者概括语言为主？
   • 长度：编码标签通常几个字？
   • 描述取向：倾向描述行为，还是描述情绪/态度？
3. 输出风格确认：

   "我理解你的编码风格是：[描述]。我将按照此风格完成后续编码。如有偏差，请随时纠正。"

4. 按研究者风格继续执行步骤 1–2.5

若研究者选择 B 或未回应：

直接进入步骤 1，按标准原则编码。

---

初始编码阶段（情况 A）

TA 的初始编码与扎根理论的开放编码有本质差异：

	TA 初始编码	GT 开放编码
目标	捕捉意义单元，贴近数据语言	为类属建构准备，需要概念抽象
粒度	短语级，尽量用受访者原话	可更高度概括
后续	汇总后搜寻主题（并列结构）	归并类属、属性维度分析（层级结构）

单份访谈编码操作

研究者提供原始访谈文本后，执行以下步骤：

步骤 1：通读全文，识别意义单元

逐句扫描全文。只有以下两类才可跳过，且必须在编码结果中标注"已跳过"：

• 纯粹的单词应答，独立成句（如仅有"嗯""对""好的"）
• 访谈者的提问语句本身（非受访者发言）

其余所有语句，无论看起来信息量多少，都作为意义单元处理并给出编码。某句话是否重要，是研究者的判断权，不是 AI 的判断权。当不确定时，给出一个描述性编码（如"重复前述观点""表达不确定"），而不是跳过。

步骤 2：逐单元生成初始编码

编码原则：

1. 贴近数据：编码词汇尽量来自受访者的语言，而非研究者的理论术语
2. 描述性：编码描述"发生了什么"或"受访者表达了什么"，不解释"为什么"
3. 细粒度：一个意义单元只给一个最准确的编码，不做归并
4. in-vivo 优先：若受访者某个表达特别精准，直接用原话作为编码
5. 禁止对仗整齐：编码标签的字数和句法结构应由数据内容决定，而非由输出形式决定。in-vivo 编码可长可短，描述性编码因意义单元的复杂程度而异。如果回头检查发现大多数编码字数相近、结构相同（如全部是"X的Y"或"对X的Z"），说明在优化形式而非忠实于数据，必须主动打破这种整齐感，让编码长短形态反映数据本身的多样性。

输出格式：

【访谈 N】初始编码
（被访者简称 / 编号）

原文片段 → 编码
"......" → [编码标签]
"......" → [编码标签]
...

本份编码总数：N 条

步骤 2.5：自动保存编码结果到文件（强制执行，不可跳过）

编码输出完成后，必须立即调用 Write 工具将编码写入文件。不得仅在对话中输出而不写文件。

文件命名规则：coding_[被访者编号或简称].md （如 coding_A.md、coding_P1.md）