qualitative-research-analysis
Skill0 starsChanged 21 days agoMITView on GitHub
分析已经提供的定性研究材料,或为具体定性研究制定分析方案;仅在用户明确要求处理访谈、焦点小组、观察/田野笔记、开放题文本、编码、主题分析、框架分析、内容分析、扎根理论、反思性、饱和度或定性审计轨迹时使用。不要因普通文本总结、文献综述、客户反馈分析、泛泛的用户研究、论文润色或一般“分析一下”而调用。
In this repository21 other files it gives its agents.
- academic-literature-searchSkill
- asreview-screening-v3Skill
- causal-inference-analysisSkill
- citation-analysisSkill
- citation-managementSkill
- dryad-data-fetcherSkill
- literature-evidence-checkerSkill
- literature-reviewSkill
- meta-analysisSkill
- paper-review-reviserSkill
- publication-integrity-checkSkill
- research-ethics-consentSkill
- research-prose-naturalizerSkill
- research-reproducibility-auditorSkill
- research-source-acquisitionSkill
- research-workflowSkill
- scientific-critical-thinkingSkill
- scientific-paper-readingSkill
- scientific-translationSkill
- scientific-writingSkill
- survey-and-psychometricsSkill
The file
Files
定性研究分析
帮助研究者设计或执行可追溯的定性分析,同时保留原始材料、参与者语境和研究者判断边界。本 Skill 只允许通过 $qualitative-research-analysis 显式调用。
先确定任务
区分以下任务类型,不把它们混成同一种分析:
- 方案设计:研究问题、抽样、资料来源、分析取向和记录方案尚未确定;
- 材料编码:用户已经提供访谈、焦点小组、田野笔记、开放题或文档材料;
- 主题或理论发展:需要从编码上升到主题、范畴、机制或理论命题;
- 方法审计:检查既有编码本、主题结构、饱和度、反思性、审计轨迹或报告完整性。
先确认研究问题、材料类型、分析单位、语言、样本来源、所选方法及是否存在敏感个人信息。不会改变结论的缺省项可以声明假设后继续;方法论立场会改变分析含义时要明确指出。
方法选择和不兼容做法见 references/method-selection.md。
分析要求
- 保留原始材料与编码/主题之间的可追溯关系;不得编造引文、参与者、代码、频次或饱和度证据。
- 把资料描述、初始代码、解释性代码、主题/范畴和研究者反思分开记录。原话与研究者转述应可区分。
- 主题不能只是采访提纲标题或高频词;需要说明中心组织概念、内部一致性、主题间边界、反例和与研究问题的关系。
- 频次仅可描述当前资料中的编码出现情况,不自动代表人群流行率、重要性或因果关系。
- 互评一致性不是所有定性范式的通用质量标准。只有当研究设计把代码视为可复现分类时才计算并解释一致性;反思性主题分析不能为了“看起来客观”而硬加一致性指标。
- 声称“达到饱和”时要说明采用何种饱和概念、观察单位、判定规则和证据,不能用样本量或“没有新想法”一句话代替。
隐私与工具边界
- 默认在用户已提供的本地材料上工作;先建议去标识化,并最小化展示姓名、联系方式、精确地址、健康信息等敏感字段。
- 读取前确认用户授权的文件范围;不递归扫描同目录、云同步目录、邮箱、文献库或其他参与者材料。方案咨询无需读取原始材料。
- 不因分析请求自动上传材料、调用云端服务、登录任何专用定性分析平台、联系参与者或改写原始访谈文件。
- 若需要生成编码表、矩阵或报告,写入前确认目标文件和格式;保留原文件,不覆盖同名不同内容的成果。
- 输出默认使用去标识化编号和最小充分引文;不得为“增强可读性”恢复真实姓名或拼接可重新识别参与者的细节。
- 如果材料包含现实伤害、自伤、违法披露或法定报告义务,只做材料整理不足以解决伦理责任,应提示用户咨询其机构伦理与法律负责人。
交付
按任务交付最小充分产物,例如编码本、带来源定位的编码表、候选主题图、主题定义、反例记录、反思备忘录、审计轨迹或方法报告。明确区分:
- 材料中直接观察到的内容;
- 研究者/模型作出的解释;
- 尚需回到材料或参与者核实的推断。
质量检查和报告要求见 references/quality-reporting.md。若用户要求统计检验、量表分析或因果估计,分别交由 statistical-analysis、survey-and-psychometrics 或 causal-inference-analysis,不要把定性编码伪装成定量证据。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

