Summary
- 质性研究负面案例分析工具(Negative Case Analysis)。研究者提供当前的暂定命题和
- 相关材料,skill 系统识别与命题不一致的案例,并将不一致区分为四种类型:
- 真反例、边界案例、维度差异、数据不足——分别给出命题修订方向。
- 当用户说"帮我找反例""挑战一下这个命题""这个结论成立吗""负面案例分析"…
yipng05-max/-skills
质性研究负面案例分析工? 相? 真反例、边界案例、维度差异、数据不足——分别给出命题修订方向。 当用户说"帮我找反例""挑战一下这个命题""这个结论成立吗""负面案例分析" "有没有不符合的? 注意:这不是"找不同意见"的工?
npx skills add yipng05-max/-skills --skill negative-case-finder
Related neighbors and high-traction skills in the same topics — useful to compare before installing.
Amazon negative keyword management and optimization. Search term analysis, waste reduction, sav…
11 installsWhen the user wants to build or improve a sales bot's ability to calm frustrated prospects. Als…
318 installsWhen the user wants help with negative keyword optimization, reducing wasted ad spend, mining s…
136 installsFind and manage Amazon PPC negative keywords to cut wasted ad spend without blocking converting…
106 installsOther skills from yipng05-max/-skills · top by installs.
npx skills add yipng05-max/-skills
Declared targets from SKILL.md / docs. Unmarked agents are not listed — the skill may still install via the CLI.
main
Files included with this skill beyond the listing page.
SKILL.md
11,339 B
SUMMARY.md
632 B
本 skill 基于 Lincoln & Guba(1985)的负面案例分析方法及 Charmaz(2014)的理论抽样逻辑, 协助研究者系统识别与当前命题不一致的案例,并通过类型区分来推进命题修订,而非简单否定命题。
核心立场:负面案例不是命题的敌人,而是命题的精化器。 一个不能被负面案例修订的命题,要么是已经精确的好命题,要么是没有边界的泛化陈述。
触发后,收集以下信息:
一句话格式最佳,例如:
"在有正式雇佣经历对照的平台工人中,时间自由叙事的内部裂缝以'不接单罪恶感'为表征,
揭示平台将工作时间边界的管理责任从组织转移至工人个体。"
可以是:
如果研究者已注意到某些让命题不稳定的材料,先行标注,skill 优先处理。
收到信息后,自动连续执行以下三个阶段,无需每步等待用户确认。
在寻找负面案例之前,先解析命题的内部逻辑结构,输出:
- 威胁类型一:条件出现但结果不出现 - 威胁类型二:结果出现但条件不出现 - 威胁类型三:结果出现但机制不同
这一步的目的是让后续的负面案例识别有明确的靶向,而非泛泛寻找"不同意见"。
根据命题结构,从提供的材料中(或基于对材料的推断)识别不一致之处, 将每个不一致归入以下四种类型之一,并给出对应处理建议:
定义:满足命题的全部前提条件,但结果与命题预测相反,且无法通过调整边界条件来解释。
识别信号:
分析要求:
输出格式:
[真反例] 案例描述:
机制威胁:该案例挑战命题中的哪个环节?
修订方向:命题可能需要如何根本性修订?
定义:命题在某个条件范围内成立,但在另一个条件范围内不成立。这类案例不否定命题, 而是揭示命题的适用边界,帮助研究者精化命题的条件范围。
识别信号:
分析要求:
输出格式:
[边界案例] 案例描述:
关键转折条件:是什么条件差异导致了不同结果?
命题精化方向:可以在命题中加入"当……时"来更准确地界定适用范围
精化后命题草稿:
定义:案例表面上与命题不一致,实质上是同一现象在不同程度、阶段或侧面的表现。 这类案例不否定命题,而是提示命题所描述的现象是有内部变异的,可能需要引入维度分析。
识别信号:
分析要求:
输出格式:
[维度差异] 案例描述:
核心机制一致性:该案例与命题共享哪些核心机制?
维度来源:表现形式的差异来自哪个维度(程度/阶段/类型/关系形式)?
分析深化方向:是否需要引入维度分析来容纳这种变异?
定义:存在理论上可能威胁命题的情况,但目前材料不足以判断它究竟是真反例、边界案例 还是维度差异。这类情况不是"没有问题",而是提示理论抽样的方向。
识别信号:
分析要求:
输出格式:
[数据不足] 缺口描述:目前哪个关键情境/受访者类型缺少材料?
理论抽样建议:应寻访什么类型的案例,预期会看到什么,预期找不到什么?
当前命题可信度影响:这个数据空白对命题的当前使用有何限制?
综合以上分析,提供命题修订的整体方向:
按照威胁程度从高到低列出需要处理的负面案例:
情形 A:发现真反例
命题可能需要根本性修订。建议:
1. 回到数据,重新检视支撑命题的核心机制是否真的在材料中有直接证据
2. 考虑原命题是否是一个特殊条件下的现象,而非普遍机制
3. 提出修订后的命题草稿
情形 B:发现多个边界案例
命题的适用范围需要精化。建议:
1. 在命题中加入更明确的条件限定
2. 考虑是否可以发展为"在A条件下……;在B条件下……"的比较命题
3. 提出精化后的命题草稿
情形 C:主要是数据不足
命题目前处于初步成立状态,需要主动寻找挑战。建议:
1. 按理论抽样建议寻访新案例
2. 暂时以"在目前材料范围内"为前提使用命题
3. 标注哪些关键检验尚未完成
情形 D:主要是维度差异
命题核心成立,但需要内部分化。建议:
1. 引入维度分析来容纳现象的内部变异
2. 考虑是否可以发展为包含维度概念的更细致命题
每次分析的最终输出包括:
在所有输出之后,输出以下固定文字:
命题修订判断移交研究者。
负面案例的最终解释和命题的最终修订必须由研究者作出。
以下问题请研究者自行判断后告知,以便进入后续工作:
1. 你认为哪些不一致是真反例,哪些是边界案例?
2. 你是否认可这里的修订方向?
3. 有没有你在材料中注意到但这里没有提及的不一致之处?
| Skill | 定位 | 何时使用 |
|---|---|---|
negative-case-finder |
负面案例识别与命题修订 | 命题初步成立后,系统性挑战其边界 |
thematic-analysis |
主题识别与结构化 | 有了初始编码,需要组织成主题结构 |
grounded-coding |
编码生成与类属建构 | 需要从原始访谈材料生成系统编码 |
memo-coach |
分析备忘录引导 | 对某个命题有深入想法,需要提炼 |
推荐使用顺序:
grounded-coding(生成初始编码,形成初步命题)
↓
memo-coach(深化命题的分析备忘录)
↓
negative-case-finder(挑战命题,发现边界与反例)
↓
memo-coach(修订后的命题再次深化)
负面案例分析不是终点,而是一次命题精化的循环。 每次 negative-case-finder 的输出,都可能触发新一轮的 memo-coach 或理论抽样。
(负面案例分析的经典方法论来源:negative case analysis 作为信效度保障手段)
(理论抽样与负面案例的关系:理论抽样的目标之一是主动寻找对命题的挑战)
(此文献需要你自行核实)
(确认性/否定性案例的系统处理方法)