[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M71FZF5ZB0384VC60EKQ885N":3,"skill-same:01M71FZF5ZB0384VC60EKQ885N":119},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":16,"sourceHtmlUrl":17,"categories":18,"keywords":35,"publishedAt":43,"linkOnly":44,"markdownContent":45,"markdownBody":46,"frontMatter":47,"refName":48,"commitSha":49,"skillDirectory":50,"forksCount":51,"repositoryHtmlUrl":52,"repositoryHomepageUrl":6,"ownerHtmlUrl":53,"ownerBlogUrl":54,"ownerDescription":55,"updatedAt":56,"install":57,"resources":70},"01M71FZF5ZB0384VC60EKQ885N","interview-guide-design",null,"把一个研究题目、研究思路或研究问题，落成一份能用于学术研究、案例研究、学位论文、课题调研的质性访谈提纲时，使用此 skill。触发信号很宽：用户说\"做\u002F设计访谈提纲\"\"访谈大纲怎么设计才规范\"\"结构性访谈提纲\"\"把研究问题\u002F题目变成访谈问题\"\"帮我弄份访谈提纲去问问他们\"\"怎么访谈才能挖到深层的东西\"\"interview guide \u002F interview protocol \u002F key informant \u002F elite interview\"，无论措辞多口语、有没有提方法论，都应触发。典型情形：要去访谈领导 \u002F 干部 \u002F 管理者 \u002F 专家 \u002F 科室主任 \u002F 一线员工或老师 \u002F 关键知情人，了解某个现象、做法或机制；半结构化 \u002F 结构化 \u002F 关键知情人 \u002F 精英访谈皆可；中英双语；社科 \u002F 管理 \u002F 教育 \u002F 公共政策 \u002F 医疗等领域；也常与案例研究、或与一份配套问卷的混合方法调研一起出现。它把研究问题按 Castillo-Montoya 的 IPR 框架与 Yin\u002FStake 的案例研究规范，拆成\"主问题—追问—探测\"，保障与研究问题对齐、可信度（trustworthiness）与三角验证就绪，标注方法论依据与权威出处，产出研究者版 + 现场详版\u002F简版。不要用于：量化问卷 \u002F 量表设计（走 questionnaire-design）、求职面试、以传播或叙事为目的的人物访谈（媒体\u002F播客\u002F记者深度报道\u002F纪录片\u002F口述史，非以回答研究问题为目的）、访谈录音转写、焦点小组\u002F座谈会提纲（群体互动动态与主持伦理不同，本 skill 不覆盖）、以及访谈完成后的编码与主题分析。","franklee16\u002Facademic-research-skills","franklee16","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F235809094?v=4","01M71ANES0C8SMYKF21NAE7YV0","Weikai Li","01M71ANESNNVKD3FDKBG01ZK5Y",234,"MIT","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002FSKILL.md",[19,24,27,32],{"categoryNo":20,"categoryName":21,"taxonomyType":22,"taxonomyTypeDesc":23},"01JBSEEDCAT000000000000015","视觉设计","SCENARIO","使用场景",{"categoryNo":25,"categoryName":26,"taxonomyType":22,"taxonomyTypeDesc":23},"01JBSEEDCAT000000000000021","资料检索与研究",{"categoryNo":28,"categoryName":29,"taxonomyType":30,"taxonomyTypeDesc":31},"01JBSEEDCAT000000000000032","设计师","PROFESSION","适用职业",{"categoryNo":33,"categoryName":34,"taxonomyType":30,"taxonomyTypeDesc":31},"01JBSEEDCAT000000000000038","人力资源",[36,37,38,39,40,41,42],"interview","interview guide","design","interview guide design","guide","protocol","questionnaire","2026-11-10 10:12:30",false,"---\nname: interview-guide-design\ndescription: 把一个研究题目、研究思路或研究问题，落成一份能用于学术研究、案例研究、学位论文、课题调研的质性访谈提纲时，使用此 skill。触发信号很宽：用户说\"做\u002F设计访谈提纲\"\"访谈大纲怎么设计才规范\"\"结构性访谈提纲\"\"把研究问题\u002F题目变成访谈问题\"\"帮我弄份访谈提纲去问问他们\"\"怎么访谈才能挖到深层的东西\"\"interview guide \u002F interview protocol \u002F key informant \u002F elite interview\"，无论措辞多口语、有没有提方法论，都应触发。典型情形：要去访谈领导 \u002F 干部 \u002F 管理者 \u002F 专家 \u002F 科室主任 \u002F 一线员工或老师 \u002F 关键知情人，了解某个现象、做法或机制；半结构化 \u002F 结构化 \u002F 关键知情人 \u002F 精英访谈皆可；中英双语；社科 \u002F 管理 \u002F 教育 \u002F 公共政策 \u002F 医疗等领域；也常与案例研究、或与一份配套问卷的混合方法调研一起出现。它把研究问题按 Castillo-Montoya 的 IPR 框架与 Yin\u002FStake 的案例研究规范，拆成\"主问题—追问—探测\"，保障与研究问题对齐、可信度（trustworthiness）与三角验证就绪，标注方法论依据与权威出处，产出研究者版 + 现场详版\u002F简版。不要用于：量化问卷 \u002F 量表设计（走 questionnaire-design）、求职面试、以传播或叙事为目的的人物访谈（媒体\u002F播客\u002F记者深度报道\u002F纪录片\u002F口述史，非以回答研究问题为目的）、访谈录音转写、焦点小组\u002F座谈会提纲（群体互动动态与主持伦理不同，本 skill 不覆盖）、以及访谈完成后的编码与主题分析。\n---\n\n# 质性访谈提纲设计 \u002F Research-Grade Interview Guide Design\n\n这个 skill 把\"研究思路\"变成\"经得起方法论审稿的质性访谈提纲\"。它的立场不是\"快速生成一串看起来像访谈题的问题\"，而是**每一道访谈问题都能回答\"它服务哪个研究问题、能不能挖到深度、会不会诱导受访者、依据是什么\"**。\n\n它是 `questionnaire-design`（量化问卷）的质性姊妹 skill。两者方法论不同、不可互换：\n\n| | `questionnaire-design`（量化） | 本 skill（质性） |\n|---|---|---|\n| 出发点 | 构念 → 量表题项 | 研究问题 → 访谈问题 |\n| 挂靠什么 | 成熟**量表** | 成熟**访谈框架**（IPR \u002F Yin 协议）+ 同主题已发表提纲 |\n| 质量标准 | 信度、效度（α、AVE…） | **可信度四准则**（credibility\u002Ftransferability\u002Fdependability\u002Fconfirmability） |\n| 出题红线 | 11 条量表红线 | 质性提问红线（诱导\u002F双重负载\u002F封闭化\u002F术语\u002F\"为什么\"质问\u002F抽象\u002F社会赞许） |\n| 效度\u002F偏差控制 | 注意力检测、CMB 程序控制 | 三角验证、成员核验、反身性与立场性、搜寻负向案例 |\n| 预试 | 认知访谈 + 小试点 | IPR 专家 close reading + pilot + 饱和评估 |\n\n适用：中英双语、质性访谈提纲（半结构化 \u002F 结构化 \u002F 关键知情人 \u002F 精英 \u002F 案例研究访谈）。**不做**量化问卷、量表（走 `questionnaire-design`）。\n\n## 启动时先做的两件事\n\n**第一，亮明边界声明（每份产出开头都要有）。** 访谈提纲设计只管**数据收集工具这一侧**——它能让提纲问对问题、挖到深度、降低诱导与偏差、为后续编码与三角验证铺好路；但它**不替你抽样、不替你做编码\u002F主题分析、不保证结论可推广到其他案例或总体**。在质性里\"可推广\"叫 transferability，靠的是厚描述、目的性抽样与跨案例分析，不是靠一份提纲（详见 `references\u002Ftrustworthiness-and-sampling.md`）。还要讲清：**这份提纲是案例的数据收集工具，不是案例研究本身**——案例的可信度还要靠多源证据三角验证（Yin）。**本 skill 设计的是工具，不替代伦理审查程序与个人信息合规**（见 `references\u002Ftrustworthiness-and-sampling.md` §4）。不写这条，用户会误以为\"好提纲=好研究\"。\n\n**第二，确认五个关键参数**（用户没说就用默认值并在产出里点明）：\n- **语言**：中文 \u002F 英文 \u002F 中英双语（默认问什么语言答什么）\n- **研究问题（RQ）与理论视角**：要回答哪几个研究问题？有没有理论命题（proposition）？——这是出题的起点，等价于量化里的构念，没有它无法开工。\n- **案例 \u002F 研究取向**：是案例研究吗？走 Yin（实证、命题驱动、结构）还是 Stake\u002FMerriam（解释、涌现、灵活）？案例的边界（一个县\u002F一家机构\u002F一个项目）是什么？（见 `references\u002Fcase-study-traditions.md`）\n- **访谈对象 + 进入路径**：关键知情人 \u002F 精英（领导、管理者、专家）还是普通参与者？是否涉及脆弱\u002F权力不对等人群？怎么进得去（引荐人 \u002F 组织授权）？这决定敬语、提问姿态、能问什么、伦理强度（精英访谈与 access 规范见 `references\u002Ftrustworthiness-and-sampling.md` §3.0、§3、§4）\n- **结构化程度 + 后续分析**：结构化 \u002F 半结构化（默认半结构化，质性最常用）；后续要做主题分析、案例分析还是扎根理论？——分析目的会反过来影响出题（带着分析目的设计工具）\n- **访谈方式**：线下 \u002F 视频 \u002F 电话（默认线下）——影响录音同意话术与非言语探测，见 `references\u002Fmodality-considerations.md`\n\n如果用户只给了一句模糊的\"帮我做个关于 XX 的访谈提纲\"，**先把研究问题和访谈对象问清楚再动手**——研究问题不清，后面全是返工。\n\n## 核心工作流：从研究问题到访谈提纲\n\n整个流程整合 Castillo-Montoya（2016）的访谈提纲精炼框架（IPR 四阶段）与 Yin 的案例研究协议。本 skill **做第 1–7 步**（对齐→检索锚定→出题→组装→自检→可信度与三角验证设计→产出），交付含研究者版 + 后续验证清单；其后真正落地的专家近读、pilot、饱和、抽样与编码（IPR Phase 3\u002F4）由用户执行，本 skill 只写成后续清单——**不要假装替用户跑了访谈或编码**。\n\n### ⛔ 出题前的阻断式闸门（START GATE — 不可跳过，违反即返工）\n\n**进入\"出题\"（第 3 步）之前，必须先把下面这张清单逐条建成 TodoWrite 待办，并全部勾掉。** 这不是写完后的自检，而是**动笔前的放行条件**。\n\n> 最常见、最严重的失败模式：因为\"我熟这个领域\"，凭训练记忆直接出题，跳过检索同主题提纲与出处核查。这正是本 skill 用整节\"宁缺毋编\"要防的事；而且**\"凭印象碰巧对\" ≠ \"已核查\"**——碰巧没错也骗得过快速浏览、骗不过方法论审稿人，并且会把未核验内容包装成定稿。所以这道闸门强制前置，不靠自觉。\n\n把以下每一项建成一条 TodoWrite todo（让用户看见你在走闸门）：\n\n1. ☐ **已确认五个关键参数**（语言 \u002F RQ 与理论视角 \u002F 案例取向 \u002F 访谈对象与进入路径 \u002F 结构化程度与后续分析）——见上节。\n2. ☐ **已做映射矩阵草稿**（第 1 步）：每个 RQ 至少一题、无孤儿题。\n3. ☐ **已 web 检索同主题\u002F同领域已发表的访谈 protocol、机构化提纲、学位论文附录提纲**（第 2 步），并在产出里写明\"借了什么结构\u002F维度、改了什么\"。**检索为空也要明确写\"已检索，未见可借鉴的同主题提纲\"**——不许默认跳过、不许用\"我知道这个领域\"替代检索。\n4. ☐ **已 web 核查每一个要落笔的框架 \u002F 理论锚点 \u002F 阈值的真实出处**（提出者、年份、期刊\u002F出版社、核心主张）：IPR=Castillo-Montoya 2016、可信度四准则=Lincoln & Guba 1985、饱和=Guest 2006 \u002F Hennink 2017、Yin 六类证据等；**理论锚点（如边界理论、社区感、liminality、实践共同体）同样必须核**。核到的回贴进产出或一份 `_REFERENCES.md` 并附 URL；核不实就标\"待核\"或删。\n\n⚠ **第 3、4 项是硬闸**：只要还有一个要引用的出处没 web 核过、或还没检索同主题提纲，就**不允许开始写访谈问题**。正确顺序是——先建 TodoWrite → 再去搜 → 搜完回填 → 最后才出题。\n\n### 第 1 步 · 研究问题化与命题（对应 IPR Phase 1）\n把研究问题写清楚，并（若走 Yin）列出理论命题。**关键动作：做一张\"研究问题—访谈问题映射矩阵\"**——每一道访谈问题都要挂到某个研究问题上，孤儿题（挂不上任何 RQ 的题）要删或改。这是访谈提纲构念效度的第一道关，等价于量化里\"每题服务一个构念\"。\n- 雷区：直接把研究问题原样抛给受访者（研究问题是写给同行的，访谈问题是说给受访者听的，两者语域不同——Castillo-Montoya 的核心提醒）。\n- 产出映射矩阵：研究问题 → 对应访谈问题编号 → 该题想挖什么。\n\n### 第 2 步 · 检索并锚定成熟框架与同主题提纲（对应量化的\"挂靠成熟量表\"）\n**这是质性提纲最容易被忽略、却最能提质量的一步。** 完整流程见 `references\u002Fprotocol-structure-and-refinement.md`，要点：\n- **先锚定方法论框架**：IPR 四阶段（提问结构）+ Yin 协议（案例研究的多源证据与证据链）+ Rubin & Rubin 的\"主问题—追问—探测\"提问层级。\n- **再检索同主题\u002F同领域已发表的成熟访谈提纲或机构化提纲**（如政府\u002F基金课题的结构性访谈提纲、同主题学位论文附录的提纲、领域经典研究的 protocol）。看别人怎么分板块、怎么提问、问到哪些维度——**借结构、借维度，不照抄题面**。\n- **核验出处（质量闸）**：凡引用某框架（IPR、Yin、Lincoln & Guba、饱和样本量），**必须 web 核查**真实出处、提出者、年份、核心主张——方法论引用同样是高频幻觉区（详见末尾\"宁缺毋编\"与 `references\u002Fsources.md`）。\n- ⚠ 与量化不同：质性**没有\"标准化的成熟提纲\"可以原样套用**——访谈提纲天生要为具体研究情境定制。所以这里锚定的是**设计理念和结构**，不是拿一份现成题目来填。\n\n### 第 3 步 · 生成访谈问题（对应 IPR Phase 2：构建探询式对话）\n按 `references\u002Fquestion-writing-and-probes.md` 出题。每道题分三层（Rubin & Rubin）：\n- **主问题（main questions）**：覆盖研究问题的主干，事先备好。\n- **追问（follow-ups）**：针对受访者具体回答的澄清（\"能再具体讲讲吗\"\"你说的 X 是指…？\"）。\n- **探测（probes）**：维持深度与方向（\"还有呢\"\"能举个例子吗\"），可静默、可具体。\n硬约束：\n- **开放式、非诱导**——让受访者用自己的话讲（这是质性访谈的命脉）。\n- 过**7 条提问红线**：①诱导 ②双重负载\u002F一题两问 ③封闭化（能用是\u002F否答完）④术语黑话 ⑤生硬质问\"为什么\" ⑥抽象到无法作答 ⑦社会赞许诱导——每条都有坏例→好例（见 `references\u002Fquestion-writing-and-probes.md`）。\n- **大游览开场（grand tour）**：先用一个宽松、易答、明显切题的问题让受访者打开话匣（Spradley），再逐步收窄到关键问题。**别用最敏感或最抽象的问题开场。**\n- 用 Spradley 的描述型 \u002F 结构型 \u002F 对比型问题搭配，避免单调。\n\n### 第 4 步 · 组装整份提纲（IPR Phase 2 的对话流）\n按 `references\u002Fprotocol-structure-and-refinement.md` 的四段式：\n**开场（知情同意 + 暖场\u002F基本信息）→ 过渡题 → 核心题（按研究问题\u002F主题成块）→ 收尾题**。\n- 开场：自我介绍、研究目的、保密与录音知情同意、易答的背景题暖场。\n- 核心题按研究问题或主题分块，敏感题靠后。\n- 收尾必给\"兜底题\"：**\"还有什么是我没问到、但您觉得重要的吗？\"**——精英\u002F关键知情人常在这里抖出最有价值的信息（Solarino & Aguinis）。\n- 现场主用**现场简版**（只列主问题），把**现场详版**（含所有追问探测）留作访前准备与备查——逼自己真正去听受访者讲，而不是念稿（三版提纲：研究者版 \u002F 现场详版 \u002F 现场简版，命名全程统一，见 `references\u002Fword-output.md`）。\n\n### 第 5 步 · 自检（写完必做，见下方清单）\n含 IPR Phase 3 的\"近读核查表\"精神（朗读每一题，查结构、措辞、长度、可理解性）。\n\n### 第 6 步 · 可信度与三角验证设计\n在提纲里显式安排可信度策略（Lincoln & Guba）：哪些题与哪些**其他证据源**（文件、档案、统计、观察）交叉印证（三角验证，Yin）；是否做**成员核验**（把整理后的理解回给受访者确认）；研究者**立场性声明与反身性**如何记录（见 `references\u002Ftrustworthiness-and-sampling.md` §1b）。这是质性版的\"效度\u002F偏差控制\"——主要服务 credibility\u002Fconfirmability、对位量化整套效度论证（不是与 CMB 单项严格等价；若要类比 CMB 的同源偏差，对应的是\"别只访单一信息源\"那条）。详见 `references\u002Ftrustworthiness-and-sampling.md`。\n\n### 第 7 步 · 产出\n按下方模板输出**研究者版**（Markdown），并附**后续验证清单**（专家 close reading、pilot、饱和评估、抽样与编码准备）。需要时导出**现场详版\u002F现场简版** Word（见 `references\u002Fword-output.md`）。\n\n## 产出模板\n\n```\n# [研究主题] 访谈提纲\n\n## 〇、边界声明\n本提纲面向数据收集工具的设计质量（与研究问题对齐、挖掘深度、降低诱导、为三角验证铺路），\n不替代抽样、编码与主题分析，也不单凭提纲保证结论可推广——\n可推广（transferability）靠厚描述、目的性抽样与跨案例分析。本提纲是案例的数据收集工具，\n不是案例研究本身；案例可信度还需多源证据三角验证。\n\n## 一、研究问题—访谈问题映射矩阵（设计逻辑）\n| 研究问题(RQ) | 对应访谈问题编号 | 该题想挖什么 | 交叉验证的其他证据源 |\n|---|---|---|---|\n| ... | ... | ... | ... |\n\n## 二、访谈对象与抽样说明\n[关键知情人\u002F精英\u002F普通参与者；目的性\u002F理论抽样逻辑；预估样本量与饱和判断]\n\n## 三、提纲正文\n[开场：自我介绍 + 研究目的 + 保密与录音知情同意]\n[暖场\u002F基本信息题]\n[过渡题]\n[核心题——按研究问题\u002F主题分块，每题标注：服务哪个RQ、主问题\u002F追问\u002F探测、是否敏感]\n[收尾兜底题]\n\n## 四、可信度、伦理与反身性设计\n[credibility\u002Ftransferability\u002Fdependability\u002Fconfirmability 各用什么策略；三角验证的证据源；是否成员核验]\n[研究者立场性声明：身份\u002F与受访者权力关系\u002F圈内外\u002F利害\u002F预设命题，及其可能如何影响提问与解读；反思日记安排]\n[研究伦理与合规：伦理审查前置判断（是否送审\u002F批件号）、知情同意与录音单独同意、匿名化与保密口径、PIPL 去标识化、数据留存与销毁、退出与撤回权]\n\n## 五、后续验证清单（本 skill 未替你完成的步骤）\n- 专家评审：用 IPR 的\"近读核查表\"逐题朗读评审\n- pilot：1–2 个试访，refine 题目与追问技巧\n- 饱和：预估样本量——编码饱和约 9–17 人（Hennink et al. 2017；同质人群+窄主题时常约 12 人即可识别绝大多数码，Guest et al. 2006），意义饱和约 16–24 人，依异质性与主题复杂度上调（走反身性主题分析则用\"信息力\"而非饱和，Malterud et al. 2016）\n- 抽样：目的性\u002F理论抽样的具体标准；进入现场 access\u002F引荐路径\n- 分析准备：主题分析(Braun & Clarke)或案例分析(Yin 模式匹配\u002F跨案例)的编码思路\n\n## 六、设计依据（「方法论精解」档才展开）\n[每个关键决定标注方法论依据 + 权威出处，见 references\u002F]\n```\n\n**用途档位只分两档**（确认参数时若用户没说，默认「真实研究工具」）：\n\n- **真实研究工具**（默认）：只给可直接上手的提纲，方法论依据在题旁做精简标注即可，不展开第六部分。你\u002F团队拿去就能用。\n- **方法论精解**（科研进阶）：在真实研究工具基础上，**额外展开第六部分**——为什么这样分块、为什么这道题这样问而不直接抛研究问题、为什么大游览开场、为什么敏感题放最后、三角验证怎么排，每个决定标注方法论依据与权威出处，便于深入理解、复用与写进论文方法章。\n\n⚠ 措辞纪律：向用户确认档位时，用「真实研究工具 \u002F 方法论精解」这类**科研导向**的称呼，不要叫「教学演示」「教案」——使用者是来做研究的，不是来上课的。\n\n## 写完必做的自检清单\n\n把这些当成 TodoWrite 逐条过：\n\n1. **边界声明**在不在？没承诺抽样代表性 \u002F 可推广 \u002F 替用户编码吧？讲清\"提纲≠案例研究本身\"了吗？\n2. **每道访谈问题都挂到某个研究问题**了吗（映射矩阵无孤儿题）？没有把研究问题原样抛给受访者吧？\n3. 过了**7 条提问红线**吗（①诱导 ②双重负载\u002F一题两问 ③封闭化 ④术语 ⑤生硬\"为什么\" ⑥抽象 ⑦社会赞许）？每题都是开放式吗？\n4. 有**大游览开场**吗？敏感题靠后了吗？没用最抽象\u002F最敏感的题开场吧？\n5. 主问题—追问—探测**三层齐**了吗？收尾有**兜底题**吗？\n6. **可信度四准则**各安排了策略吗？**三角验证**的其他证据源点明了吗（案例研究尤其必须）？写了**研究者立场性声明**、逐题查过是否夹带立场、精英访谈点明了权力不对等吗？\n7. 为关键发现安排**搜寻反证\u002F负向（偏差）案例**了吗（尤其快饱和、做可迁移性论证、或仅有滚雪球\u002F便利样本时）？\n8. **研究伦理与合规**到位吗：提示了**伦理审查前置判断**？知情同意含录音单独同意\u002F可撤回？没承诺\"完全匿名\"（用保密+去标识化）？中文场景对接了 **PIPL**（去标识化\u002F敏感信息单独同意）？\n9. 访谈对象是精英\u002F关键知情人时，用了精英访谈规范（敬语、做足功课、给开放空间、搜寻反证）与 **access\u002F引荐**接口吗？涉及脆弱\u002F权力不对等人群时加了专门保护吗？\n10. **现场版没泄漏方法论标签**吧（没把\"服务 RQ1\"\"构念=X\"印给受访者）？三版命名统一（研究者版\u002F现场详版\u002F现场简版）吗？\n11. **所有引用的框架、方法、阈值、提出者，都 web 核查过真实出处了吗？**（IPR=Castillo-Montoya 2016；可信度四准则=Lincoln & Guba 1985；饱和=Guest et al. 2006 \u002F Hennink et al. 2017；六类证据\u002F三角验证\u002F证据链=Yin；反身性=Berger 2015 \u002F Finlay 2002）核不实就标\"待核\"或删——范例细节也不许凭印象补（记住 de Rond 教训）。\n12. 后续验证清单给了吗（没假装替用户做访谈、pilot、编码）？中英双语时方法论术语并列了吗（可信度\u002Ftrustworthiness、三角验证\u002Ftriangulation、饱和\u002Fsaturation、立场性\u002Fpositionality、关键知情人\u002Fkey informant）？\n\n## 参考文件索引\n\n| 文件 | 何时读 |\n|---|---|\n| `references\u002Fcase-study-traditions.md` | 判断走 Yin\u002FStake\u002FMerriam、定案例边界、安排多源证据与三角验证、证据链时 |\n| `references\u002Fprotocol-structure-and-refinement.md` | 用 IPR 四阶段搭提纲结构、做 RQ-访谈题映射矩阵、四段式对话流、近读核查表、检索同主题成熟提纲时 |\n| `references\u002Fquestion-writing-and-probes.md` | 写每一道访谈题、设计主问题\u002F追问\u002F探测、大游览开场、Spradley 三类问题、过提问红线时（核心出题规则全在这） |\n| `references\u002Ftrustworthiness-and-sampling.md` | 设计可信度四准则、立场性与反身性、目的性\u002F理论抽样、估饱和样本量、进入现场 access\u002Fgatekeeper、精英访谈规范、研究伦理与数据管理（IRB\u002F匿名 vs 保密\u002F脆弱人群）时 |\n| `references\u002Fanalysis-readiness.md` | 带着分析目的设计提纲、主题分析(Braun & Clarke)\u002F编码(Saldaña)\u002F案例分析(Yin)准备时 |\n| `references\u002Fchinese-conventions.md` | 产出中文访谈提纲、符合中文期刊\u002F基金审稿习惯、官员敬语、结构性访谈提纲格式、PIPL 合规、中文质性方法节骨架、两岸术语对照时 |\n| `references\u002Fmodality-considerations.md` | 访谈走视频\u002F电话等非线下方式，需调整录音同意话术与非言语探测时 |\n| `references\u002Fword-output.md` | 用户要把提纲导出成现场可用 Word\u002F.docx（现场详版\u002F简版）时 |\n| `references\u002Fsources.md` | 需要规范标注权威出处、核对方法论引用是否张冠李戴时 |\n\n## 一条贯穿始终的纪律：宁缺毋编\n\n质性研究的可信度建立在\"研究过程透明可追溯\"。**提纲与方法说明里出现的每一个框架名、提出者、文献、阈值（饱和人数、四准则归属），都必须能追溯到真实权威来源。** 找不到就标\"待核\u002F据……\"或删除，绝不凭印象编一个像模像样的方法论引用——那比不引更糟，骗得过快速浏览的读者，骗不过方法论审稿人。这条对「方法论精解」档尤其重要：你在向研究者讲清方法依据、内容可能写进论文方法章，更不能示范一个假引用。常见幻觉：把 IPR 框架的四阶段记错、把\"12 人饱和\"的条件略去当成铁律、把可信度四准则张冠李戴、把 Yin 的六类证据数错、**把范例细节凭印象补全**（如 de Rond 战地案例的\"诗歌\u002F三阶段\u002F医疗记录\"——细节漂移式幻觉，出现在标杆位危害更大）、把 emic\u002Fetic 发明权记到 Spradley、把\"完全匿名\"当成访谈能兑现的承诺。\n","# 质性访谈提纲设计 \u002F Research-Grade Interview Guide Design\n\n这个 skill 把\"研究思路\"变成\"经得起方法论审稿的质性访谈提纲\"。它的立场不是\"快速生成一串看起来像访谈题的问题\"，而是**每一道访谈问题都能回答\"它服务哪个研究问题、能不能挖到深度、会不会诱导受访者、依据是什么\"**。\n\n它是 `questionnaire-design`（量化问卷）的质性姊妹 skill。两者方法论不同、不可互换：\n\n| | `questionnaire-design`（量化） | 本 skill（质性） |\n|---|---|---|\n| 出发点 | 构念 → 量表题项 | 研究问题 → 访谈问题 |\n| 挂靠什么 | 成熟**量表** | 成熟**访谈框架**（IPR \u002F Yin 协议）+ 同主题已发表提纲 |\n| 质量标准 | 信度、效度（α、AVE…） | **可信度四准则**（credibility\u002Ftransferability\u002Fdependability\u002Fconfirmability） |\n| 出题红线 | 11 条量表红线 | 质性提问红线（诱导\u002F双重负载\u002F封闭化\u002F术语\u002F\"为什么\"质问\u002F抽象\u002F社会赞许） |\n| 效度\u002F偏差控制 | 注意力检测、CMB 程序控制 | 三角验证、成员核验、反身性与立场性、搜寻负向案例 |\n| 预试 | 认知访谈 + 小试点 | IPR 专家 close reading + pilot + 饱和评估 |\n\n适用：中英双语、质性访谈提纲（半结构化 \u002F 结构化 \u002F 关键知情人 \u002F 精英 \u002F 案例研究访谈）。**不做**量化问卷、量表（走 `questionnaire-design`）。\n\n## 启动时先做的两件事\n\n**第一，亮明边界声明（每份产出开头都要有）。** 访谈提纲设计只管**数据收集工具这一侧**——它能让提纲问对问题、挖到深度、降低诱导与偏差、为后续编码与三角验证铺好路；但它**不替你抽样、不替你做编码\u002F主题分析、不保证结论可推广到其他案例或总体**。在质性里\"可推广\"叫 transferability，靠的是厚描述、目的性抽样与跨案例分析，不是靠一份提纲（详见 `references\u002Ftrustworthiness-and-sampling.md`）。还要讲清：**这份提纲是案例的数据收集工具，不是案例研究本身**——案例的可信度还要靠多源证据三角验证（Yin）。**本 skill 设计的是工具，不替代伦理审查程序与个人信息合规**（见 `references\u002Ftrustworthiness-and-sampling.md` §4）。不写这条，用户会误以为\"好提纲=好研究\"。\n\n**第二，确认五个关键参数**（用户没说就用默认值并在产出里点明）：\n- **语言**：中文 \u002F 英文 \u002F 中英双语（默认问什么语言答什么）\n- **研究问题（RQ）与理论视角**：要回答哪几个研究问题？有没有理论命题（proposition）？——这是出题的起点，等价于量化里的构念，没有它无法开工。\n- **案例 \u002F 研究取向**：是案例研究吗？走 Yin（实证、命题驱动、结构）还是 Stake\u002FMerriam（解释、涌现、灵活）？案例的边界（一个县\u002F一家机构\u002F一个项目）是什么？（见 `references\u002Fcase-study-traditions.md`）\n- **访谈对象 + 进入路径**：关键知情人 \u002F 精英（领导、管理者、专家）还是普通参与者？是否涉及脆弱\u002F权力不对等人群？怎么进得去（引荐人 \u002F 组织授权）？这决定敬语、提问姿态、能问什么、伦理强度（精英访谈与 access 规范见 `references\u002Ftrustworthiness-and-sampling.md` §3.0、§3、§4）\n- **结构化程度 + 后续分析**：结构化 \u002F 半结构化（默认半结构化，质性最常用）；后续要做主题分析、案例分析还是扎根理论？——分析目的会反过来影响出题（带着分析目的设计工具）\n- **访谈方式**：线下 \u002F 视频 \u002F 电话（默认线下）——影响录音同意话术与非言语探测，见 `references\u002Fmodality-considerations.md`\n\n如果用户只给了一句模糊的\"帮我做个关于 XX 的访谈提纲\"，**先把研究问题和访谈对象问清楚再动手**——研究问题不清，后面全是返工。\n\n## 核心工作流：从研究问题到访谈提纲\n\n整个流程整合 Castillo-Montoya（2016）的访谈提纲精炼框架（IPR 四阶段）与 Yin 的案例研究协议。本 skill **做第 1–7 步**（对齐→检索锚定→出题→组装→自检→可信度与三角验证设计→产出），交付含研究者版 + 后续验证清单；其后真正落地的专家近读、pilot、饱和、抽样与编码（IPR Phase 3\u002F4）由用户执行，本 skill 只写成后续清单——**不要假装替用户跑了访谈或编码**。\n\n### ⛔ 出题前的阻断式闸门（START GATE — 不可跳过，违反即返工）\n\n**进入\"出题\"（第 3 步）之前，必须先把下面这张清单逐条建成 TodoWrite 待办，并全部勾掉。** 这不是写完后的自检，而是**动笔前的放行条件**。\n\n> 最常见、最严重的失败模式：因为\"我熟这个领域\"，凭训练记忆直接出题，跳过检索同主题提纲与出处核查。这正是本 skill 用整节\"宁缺毋编\"要防的事；而且**\"凭印象碰巧对\" ≠ \"已核查\"**——碰巧没错也骗得过快速浏览、骗不过方法论审稿人，并且会把未核验内容包装成定稿。所以这道闸门强制前置，不靠自觉。\n\n把以下每一项建成一条 TodoWrite todo（让用户看见你在走闸门）：\n\n1. ☐ **已确认五个关键参数**（语言 \u002F RQ 与理论视角 \u002F 案例取向 \u002F 访谈对象与进入路径 \u002F 结构化程度与后续分析）——见上节。\n2. ☐ **已做映射矩阵草稿**（第 1 步）：每个 RQ 至少一题、无孤儿题。\n3. ☐ **已 web 检索同主题\u002F同领域已发表的访谈 protocol、机构化提纲、学位论文附录提纲**（第 2 步），并在产出里写明\"借了什么结构\u002F维度、改了什么\"。**检索为空也要明确写\"已检索，未见可借鉴的同主题提纲\"**——不许默认跳过、不许用\"我知道这个领域\"替代检索。\n4. ☐ **已 web 核查每一个要落笔的框架 \u002F 理论锚点 \u002F 阈值的真实出处**（提出者、年份、期刊\u002F出版社、核心主张）：IPR=Castillo-Montoya 2016、可信度四准则=Lincoln & Guba 1985、饱和=Guest 2006 \u002F Hennink 2017、Yin 六类证据等；**理论锚点（如边界理论、社区感、liminality、实践共同体）同样必须核**。核到的回贴进产出或一份 `_REFERENCES.md` 并附 URL；核不实就标\"待核\"或删。\n\n⚠ **第 3、4 项是硬闸**：只要还有一个要引用的出处没 web 核过、或还没检索同主题提纲，就**不允许开始写访谈问题**。正确顺序是——先建 TodoWrite → 再去搜 → 搜完回填 → 最后才出题。\n\n### 第 1 步 · 研究问题化与命题（对应 IPR Phase 1）\n把研究问题写清楚，并（若走 Yin）列出理论命题。**关键动作：做一张\"研究问题—访谈问题映射矩阵\"**——每一道访谈问题都要挂到某个研究问题上，孤儿题（挂不上任何 RQ 的题）要删或改。这是访谈提纲构念效度的第一道关，等价于量化里\"每题服务一个构念\"。\n- 雷区：直接把研究问题原样抛给受访者（研究问题是写给同行的，访谈问题是说给受访者听的，两者语域不同——Castillo-Montoya 的核心提醒）。\n- 产出映射矩阵：研究问题 → 对应访谈问题编号 → 该题想挖什么。\n\n### 第 2 步 · 检索并锚定成熟框架与同主题提纲（对应量化的\"挂靠成熟量表\"）\n**这是质性提纲最容易被忽略、却最能提质量的一步。** 完整流程见 `references\u002Fprotocol-structure-and-refinement.md`，要点：\n- **先锚定方法论框架**：IPR 四阶段（提问结构）+ Yin 协议（案例研究的多源证据与证据链）+ Rubin & Rubin 的\"主问题—追问—探测\"提问层级。\n- **再检索同主题\u002F同领域已发表的成熟访谈提纲或机构化提纲**（如政府\u002F基金课题的结构性访谈提纲、同主题学位论文附录的提纲、领域经典研究的 protocol）。看别人怎么分板块、怎么提问、问到哪些维度——**借结构、借维度，不照抄题面**。\n- **核验出处（质量闸）**：凡引用某框架（IPR、Yin、Lincoln & Guba、饱和样本量），**必须 web 核查**真实出处、提出者、年份、核心主张——方法论引用同样是高频幻觉区（详见末尾\"宁缺毋编\"与 `references\u002Fsources.md`）。\n- ⚠ 与量化不同：质性**没有\"标准化的成熟提纲\"可以原样套用**——访谈提纲天生要为具体研究情境定制。所以这里锚定的是**设计理念和结构**，不是拿一份现成题目来填。\n\n### 第 3 步 · 生成访谈问题（对应 IPR Phase 2：构建探询式对话）\n按 `references\u002Fquestion-writing-and-probes.md` 出题。每道题分三层（Rubin & Rubin）：\n- **主问题（main questions）**：覆盖研究问题的主干，事先备好。\n- **追问（follow-ups）**：针对受访者具体回答的澄清（\"能再具体讲讲吗\"\"你说的 X 是指…？\"）。\n- **探测（probes）**：维持深度与方向（\"还有呢\"\"能举个例子吗\"），可静默、可具体。\n硬约束：\n- **开放式、非诱导**——让受访者用自己的话讲（这是质性访谈的命脉）。\n- 过**7 条提问红线**：①诱导 ②双重负载\u002F一题两问 ③封闭化（能用是\u002F否答完）④术语黑话 ⑤生硬质问\"为什么\" ⑥抽象到无法作答 ⑦社会赞许诱导——每条都有坏例→好例（见 `references\u002Fquestion-writing-and-probes.md`）。\n- **大游览开场（grand tour）**：先用一个宽松、易答、明显切题的问题让受访者打开话匣（Spradley），再逐步收窄到关键问题。**别用最敏感或最抽象的问题开场。**\n- 用 Spradley 的描述型 \u002F 结构型 \u002F 对比型问题搭配，避免单调。\n\n### 第 4 步 · 组装整份提纲（IPR Phase 2 的对话流）\n按 `references\u002Fprotocol-structure-and-refinement.md` 的四段式：\n**开场（知情同意 + 暖场\u002F基本信息）→ 过渡题 → 核心题（按研究问题\u002F主题成块）→ 收尾题**。\n- 开场：自我介绍、研究目的、保密与录音知情同意、易答的背景题暖场。\n- 核心题按研究问题或主题分块，敏感题靠后。\n- 收尾必给\"兜底题\"：**\"还有什么是我没问到、但您觉得重要的吗？\"**——精英\u002F关键知情人常在这里抖出最有价值的信息（Solarino & Aguinis）。\n- 现场主用**现场简版**（只列主问题），把**现场详版**（含所有追问探测）留作访前准备与备查——逼自己真正去听受访者讲，而不是念稿（三版提纲：研究者版 \u002F 现场详版 \u002F 现场简版，命名全程统一，见 `references\u002Fword-output.md`）。\n\n### 第 5 步 · 自检（写完必做，见下方清单）\n含 IPR Phase 3 的\"近读核查表\"精神（朗读每一题，查结构、措辞、长度、可理解性）。\n\n### 第 6 步 · 可信度与三角验证设计\n在提纲里显式安排可信度策略（Lincoln & Guba）：哪些题与哪些**其他证据源**（文件、档案、统计、观察）交叉印证（三角验证，Yin）；是否做**成员核验**（把整理后的理解回给受访者确认）；研究者**立场性声明与反身性**如何记录（见 `references\u002Ftrustworthiness-and-sampling.md` §1b）。这是质性版的\"效度\u002F偏差控制\"——主要服务 credibility\u002Fconfirmability、对位量化整套效度论证（不是与 CMB 单项严格等价；若要类比 CMB 的同源偏差，对应的是\"别只访单一信息源\"那条）。详见 `references\u002Ftrustworthiness-and-sampling.md`。\n\n### 第 7 步 · 产出\n按下方模板输出**研究者版**（Markdown），并附**后续验证清单**（专家 close reading、pilot、饱和评估、抽样与编码准备）。需要时导出**现场详版\u002F现场简版** Word（见 `references\u002Fword-output.md`）。\n\n## 产出模板\n\n```\n# [研究主题] 访谈提纲\n\n## 〇、边界声明\n本提纲面向数据收集工具的设计质量（与研究问题对齐、挖掘深度、降低诱导、为三角验证铺路），\n不替代抽样、编码与主题分析，也不单凭提纲保证结论可推广——\n可推广（transferability）靠厚描述、目的性抽样与跨案例分析。本提纲是案例的数据收集工具，\n不是案例研究本身；案例可信度还需多源证据三角验证。\n\n## 一、研究问题—访谈问题映射矩阵（设计逻辑）\n| 研究问题(RQ) | 对应访谈问题编号 | 该题想挖什么 | 交叉验证的其他证据源 |\n|---|---|---|---|\n| ... | ... | ... | ... |\n\n## 二、访谈对象与抽样说明\n[关键知情人\u002F精英\u002F普通参与者；目的性\u002F理论抽样逻辑；预估样本量与饱和判断]\n\n## 三、提纲正文\n[开场：自我介绍 + 研究目的 + 保密与录音知情同意]\n[暖场\u002F基本信息题]\n[过渡题]\n[核心题——按研究问题\u002F主题分块，每题标注：服务哪个RQ、主问题\u002F追问\u002F探测、是否敏感]\n[收尾兜底题]\n\n## 四、可信度、伦理与反身性设计\n[credibility\u002Ftransferability\u002Fdependability\u002Fconfirmability 各用什么策略；三角验证的证据源；是否成员核验]\n[研究者立场性声明：身份\u002F与受访者权力关系\u002F圈内外\u002F利害\u002F预设命题，及其可能如何影响提问与解读；反思日记安排]\n[研究伦理与合规：伦理审查前置判断（是否送审\u002F批件号）、知情同意与录音单独同意、匿名化与保密口径、PIPL 去标识化、数据留存与销毁、退出与撤回权]\n\n## 五、后续验证清单（本 skill 未替你完成的步骤）\n- 专家评审：用 IPR 的\"近读核查表\"逐题朗读评审\n- pilot：1–2 个试访，refine 题目与追问技巧\n- 饱和：预估样本量——编码饱和约 9–17 人（Hennink et al. 2017；同质人群+窄主题时常约 12 人即可识别绝大多数码，Guest et al. 2006），意义饱和约 16–24 人，依异质性与主题复杂度上调（走反身性主题分析则用\"信息力\"而非饱和，Malterud et al. 2016）\n- 抽样：目的性\u002F理论抽样的具体标准；进入现场 access\u002F引荐路径\n- 分析准备：主题分析(Braun & Clarke)或案例分析(Yin 模式匹配\u002F跨案例)的编码思路\n\n## 六、设计依据（「方法论精解」档才展开）\n[每个关键决定标注方法论依据 + 权威出处，见 references\u002F]\n```\n\n**用途档位只分两档**（确认参数时若用户没说，默认「真实研究工具」）：\n\n- **真实研究工具**（默认）：只给可直接上手的提纲，方法论依据在题旁做精简标注即可，不展开第六部分。你\u002F团队拿去就能用。\n- **方法论精解**（科研进阶）：在真实研究工具基础上，**额外展开第六部分**——为什么这样分块、为什么这道题这样问而不直接抛研究问题、为什么大游览开场、为什么敏感题放最后、三角验证怎么排，每个决定标注方法论依据与权威出处，便于深入理解、复用与写进论文方法章。\n\n⚠ 措辞纪律：向用户确认档位时，用「真实研究工具 \u002F 方法论精解」这类**科研导向**的称呼，不要叫「教学演示」「教案」——使用者是来做研究的，不是来上课的。\n\n## 写完必做的自检清单\n\n把这些当成 TodoWrite 逐条过：\n\n1. **边界声明**在不在？没承诺抽样代表性 \u002F 可推广 \u002F 替用户编码吧？讲清\"提纲≠案例研究本身\"了吗？\n2. **每道访谈问题都挂到某个研究问题**了吗（映射矩阵无孤儿题）？没有把研究问题原样抛给受访者吧？\n3. 过了**7 条提问红线**吗（①诱导 ②双重负载\u002F一题两问 ③封闭化 ④术语 ⑤生硬\"为什么\" ⑥抽象 ⑦社会赞许）？每题都是开放式吗？\n4. 有**大游览开场**吗？敏感题靠后了吗？没用最抽象\u002F最敏感的题开场吧？\n5. 主问题—追问—探测**三层齐**了吗？收尾有**兜底题**吗？\n6. **可信度四准则**各安排了策略吗？**三角验证**的其他证据源点明了吗（案例研究尤其必须）？写了**研究者立场性声明**、逐题查过是否夹带立场、精英访谈点明了权力不对等吗？\n7. 为关键发现安排**搜寻反证\u002F负向（偏差）案例**了吗（尤其快饱和、做可迁移性论证、或仅有滚雪球\u002F便利样本时）？\n8. **研究伦理与合规**到位吗：提示了**伦理审查前置判断**？知情同意含录音单独同意\u002F可撤回？没承诺\"完全匿名\"（用保密+去标识化）？中文场景对接了 **PIPL**（去标识化\u002F敏感信息单独同意）？\n9. 访谈对象是精英\u002F关键知情人时，用了精英访谈规范（敬语、做足功课、给开放空间、搜寻反证）与 **access\u002F引荐**接口吗？涉及脆弱\u002F权力不对等人群时加了专门保护吗？\n10. **现场版没泄漏方法论标签**吧（没把\"服务 RQ1\"\"构念=X\"印给受访者）？三版命名统一（研究者版\u002F现场详版\u002F现场简版）吗？\n11. **所有引用的框架、方法、阈值、提出者，都 web 核查过真实出处了吗？**（IPR=Castillo-Montoya 2016；可信度四准则=Lincoln & Guba 1985；饱和=Guest et al. 2006 \u002F Hennink et al. 2017；六类证据\u002F三角验证\u002F证据链=Yin；反身性=Berger 2015 \u002F Finlay 2002）核不实就标\"待核\"或删——范例细节也不许凭印象补（记住 de Rond 教训）。\n12. 后续验证清单给了吗（没假装替用户做访谈、pilot、编码）？中英双语时方法论术语并列了吗（可信度\u002Ftrustworthiness、三角验证\u002Ftriangulation、饱和\u002Fsaturation、立场性\u002Fpositionality、关键知情人\u002Fkey informant）？\n\n## 参考文件索引\n\n| 文件 | 何时读 |\n|---|---|\n| `references\u002Fcase-study-traditions.md` | 判断走 Yin\u002FStake\u002FMerriam、定案例边界、安排多源证据与三角验证、证据链时 |\n| `references\u002Fprotocol-structure-and-refinement.md` | 用 IPR 四阶段搭提纲结构、做 RQ-访谈题映射矩阵、四段式对话流、近读核查表、检索同主题成熟提纲时 |\n| `references\u002Fquestion-writing-and-probes.md` | 写每一道访谈题、设计主问题\u002F追问\u002F探测、大游览开场、Spradley 三类问题、过提问红线时（核心出题规则全在这） |\n| `references\u002Ftrustworthiness-and-sampling.md` | 设计可信度四准则、立场性与反身性、目的性\u002F理论抽样、估饱和样本量、进入现场 access\u002Fgatekeeper、精英访谈规范、研究伦理与数据管理（IRB\u002F匿名 vs 保密\u002F脆弱人群）时 |\n| `references\u002Fanalysis-readiness.md` | 带着分析目的设计提纲、主题分析(Braun & Clarke)\u002F编码(Saldaña)\u002F案例分析(Yin)准备时 |\n| `references\u002Fchinese-conventions.md` | 产出中文访谈提纲、符合中文期刊\u002F基金审稿习惯、官员敬语、结构性访谈提纲格式、PIPL 合规、中文质性方法节骨架、两岸术语对照时 |\n| `references\u002Fmodality-considerations.md` | 访谈走视频\u002F电话等非线下方式，需调整录音同意话术与非言语探测时 |\n| `references\u002Fword-output.md` | 用户要把提纲导出成现场可用 Word\u002F.docx（现场详版\u002F简版）时 |\n| `references\u002Fsources.md` | 需要规范标注权威出处、核对方法论引用是否张冠李戴时 |\n\n## 一条贯穿始终的纪律：宁缺毋编\n\n质性研究的可信度建立在\"研究过程透明可追溯\"。**提纲与方法说明里出现的每一个框架名、提出者、文献、阈值（饱和人数、四准则归属），都必须能追溯到真实权威来源。** 找不到就标\"待核\u002F据……\"或删除，绝不凭印象编一个像模像样的方法论引用——那比不引更糟，骗得过快速浏览的读者，骗不过方法论审稿人。这条对「方法论精解」档尤其重要：你在向研究者讲清方法依据、内容可能写进论文方法章，更不能示范一个假引用。常见幻觉：把 IPR 框架的四阶段记错、把\"12 人饱和\"的条件略去当成铁律、把可信度四准则张冠李戴、把 Yin 的六类证据数错、**把范例细节凭印象补全**（如 de Rond 战地案例的\"诗歌\u002F三阶段\u002F医疗记录\"——细节漂移式幻觉，出现在标杆位危害更大）、把 emic\u002Fetic 发明权记到 Spradley、把\"完全匿名\"当成访谈能兑现的承诺。\n",{"name":5,"description":7},"master","9a4b2db21fc4b217136ae4a0e6faad42d179ca03","running-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design",36,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills","https:\u002F\u002Fgithub.com\u002Ffranklee16","https:\u002F\u002Fsites.google.com\u002Fview\u002Ffrankweikaili\u002Fhome","Associate Professor of Finance at City University of Hong Kong - empirical asset pricing, behavioral finance, ESG. I build AI tools for research and teaching","2026-09-18 20:12:00",{"source":8,"skillName":5,"commands":58,"prompt":68,"zipAvailable":69},[59,62,65],{"tool":60,"command":61},"npx","npx skills add franklee16\u002Facademic-research-skills --skill interview-guide-design",{"tool":63,"command":64},"bunx","bunx skills add franklee16\u002Facademic-research-skills --skill interview-guide-design",{"tool":66,"command":67},"pnpm","pnpm dlx skills add franklee16\u002Facademic-research-skills --skill interview-guide-design","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002FSKILL.md",true,[71,77,81,87,91,95,99,103,107,111,115],{"path":72,"resourceType":73,"resourceTypeDesc":74,"sizeBytes":75,"sourceHtmlUrl":76},"assets\u002Finterview-guide-docx-template.js","SCRIPT","脚本",6661,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002Fassets\u002Finterview-guide-docx-template.js",{"path":78,"resourceType":78,"resourceTypeDesc":79,"sizeBytes":80,"sourceHtmlUrl":16},"LICENSE","许可证",1067,{"path":82,"resourceType":83,"resourceTypeDesc":84,"sizeBytes":85,"sourceHtmlUrl":86},"references\u002Fanalysis-readiness.md","REFERENCE","参考文档",3881,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002Freferences\u002Fanalysis-readiness.md",{"path":88,"resourceType":83,"resourceTypeDesc":84,"sizeBytes":89,"sourceHtmlUrl":90},"references\u002Fcase-study-traditions.md",5825,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002Freferences\u002Fcase-study-traditions.md",{"path":92,"resourceType":83,"resourceTypeDesc":84,"sizeBytes":93,"sourceHtmlUrl":94},"references\u002Fchinese-conventions.md",7586,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002Freferences\u002Fchinese-conventions.md",{"path":96,"resourceType":83,"resourceTypeDesc":84,"sizeBytes":97,"sourceHtmlUrl":98},"references\u002Fmodality-considerations.md",2357,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002Freferences\u002Fmodality-considerations.md",{"path":100,"resourceType":83,"resourceTypeDesc":84,"sizeBytes":101,"sourceHtmlUrl":102},"references\u002Fprotocol-structure-and-refinement.md",4959,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002Freferences\u002Fprotocol-structure-and-refinement.md",{"path":104,"resourceType":83,"resourceTypeDesc":84,"sizeBytes":105,"sourceHtmlUrl":106},"references\u002Fquestion-writing-and-probes.md",6060,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002Freferences\u002Fquestion-writing-and-probes.md",{"path":108,"resourceType":83,"resourceTypeDesc":84,"sizeBytes":109,"sourceHtmlUrl":110},"references\u002Fsources.md",7323,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002Freferences\u002Fsources.md",{"path":112,"resourceType":83,"resourceTypeDesc":84,"sizeBytes":113,"sourceHtmlUrl":114},"references\u002Ftrustworthiness-and-sampling.md",12493,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002Freferences\u002Ftrustworthiness-and-sampling.md",{"path":116,"resourceType":83,"resourceTypeDesc":84,"sizeBytes":117,"sourceHtmlUrl":118},"references\u002Fword-output.md",3920,"https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002Freferences\u002Finterview-guide-design\u002Freferences\u002Fword-output.md",[120,154,185,212,233,260],{"skillNo":121,"name":122,"nameZh":6,"description":123,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":124,"sourceHtmlUrl":125,"categories":126,"keywords":133,"publishedAt":43},"01M71G52NMZZKJ7BRCJDNVXECV","thu-digitizer","Extract and validate numeric data from chart images, PDF figures, and official source-data files locally and reproducibly, with calibrated axes, compact-scatter recovery plus residual audits, grouped\u002Fstacked bars, visible-label pie\u002Fdonut validation, original-pixel aligned lattice composites such as UpSet plots, PDF vector inspection, line tracing, histograms, boxplots, error bars, CSV\u002FJSON evidence, source-data cross-validation, and regression evaluation. Use when a user asks to recover or recreate chart data, extract scatter points, bars, printed pie\u002Fdonut labels, or aligned memberships, check a PDF chart, assess digitization accuracy, validate against source data, or improve a chart-digitization workflow from corrected examples.","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Fvisualization\u002Fthu-digitizer-main\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Fvisualization\u002Fthu-digitizer-main\u002FSKILL.md",[127,130],{"categoryNo":128,"categoryName":129,"taxonomyType":22,"taxonomyTypeDesc":23},"01JBSEEDCAT000000000000002","文档处理",{"categoryNo":131,"categoryName":132,"taxonomyType":30,"taxonomyTypeDesc":31},"01JBSEEDCAT000000000000033","数据分析师",[134,135,136,137,138,139,140,141,142,143,144,145,146,147,148,149,150,151,152,153],"thu digitizer","images","error","PDF","official","regression","vector","labels","pixel","improve","files","inspection","chart","compact","when","workflow","cross-validation","line","Evaluation","data",{"skillNo":155,"name":156,"nameZh":6,"description":157,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":158,"categories":159,"keywords":166,"publishedAt":43},"01M71G4XJWMJST9K8X244GXH71","scientific-visualization","Meta-skill for publication-ready figures. Use when creating journal submission figures requiring multi-panel layouts, significance annotations, error bars, colorblind-safe palettes, and specific journal formatting (Nature, Science, Cell). Orchestrates matplotlib\u002Fseaborn\u002Fplotly with publication styles. For quick exploration use seaborn or plotly directly.","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Fvisualization\u002Fscientific-visualization\u002FSKILL.md",[160,163],{"categoryNo":161,"categoryName":162,"taxonomyType":22,"taxonomyTypeDesc":23},"01JBSEEDCAT000000000000013","分析与可视化",{"categoryNo":164,"categoryName":165,"taxonomyType":22,"taxonomyTypeDesc":23},"01JBSEEDCAT000000000000023","Skill与智能体开发",[167,168,169,136,170,171,172,173,174,175,176,148,177,178,179,180,181,182,183,184],"visualization","scientific","scientific visualization","ready","nature","quick","exploration","meta-skill","Meta","journal","journal submission","safe","plotly","annotations","formatting","Publication","figures","panel",{"skillNo":186,"name":187,"nameZh":6,"description":188,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":189,"sourceHtmlUrl":190,"categories":191,"keywords":194,"publishedAt":43},"01M71G3P8C430F3J0XX152ZJ4F","theoretical-economics-claude-skill","Human-in-the-loop theoretical economics research pipeline: from economic intuition to manuscript skeleton in 10 structured stages with quality gates.","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Ftheory-skills\u002FpAI-Econ-claude-main\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Ftheory-skills\u002FpAI-Econ-claude-main\u002FSKILL.md",[192,193],{"categoryNo":25,"categoryName":26,"taxonomyType":22,"taxonomyTypeDesc":23},{"categoryNo":164,"categoryName":165,"taxonomyType":22,"taxonomyTypeDesc":23},[195,196,197,198,199,200,201,202,203,204,205,206,207,208,209,210,211],"theoretical economics claude skill","economics","claude skill","pipeline","skeleton","loop","human","research pipeline","manuscript","human-in-the-loop","true","gates","with","quality gates","research","quality","structured",{"skillNo":213,"name":214,"nameZh":6,"description":215,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":216,"sourceHtmlUrl":217,"categories":218,"keywords":223,"publishedAt":43},"01M71FZBQ29K2JPYZD1HWWTZC9","mixed-methods-instrument-design","基于同一项研究的研究目的、研究问题、理论框架与人群设计，协同产出彼此对齐的量化问卷\u002F调查表和质性访谈提纲时使用；也可在用户明确要求时把经审核的问卷创建为问卷星未发布草稿并继续管理。触发信号包括“问卷和访谈一起设计”“根据研究思路同步出调查问卷与访谈提纲”“混合方法研究工具”“不同人群分别做问卷和访谈”“推送到问卷星”“创建在线问卷”“survey + interview guide”“convergent \u002F explanatory sequential \u002F exploratory sequential mixed methods instruments”。适用于社会科学、管理、教育、公共政策、医疗及其他经验研究；允许量化与质性部分使用相同或不同样本。产出研究设计判定、中央映射矩阵、问卷与变量字典、完整访谈三版、联合展示模板和预测试方案；默认用户成品仍是一份完整 Word。不要用于只设计单一访谈提纲（走 interview-guide-design）、只设计单一问卷、把现成工具做成网页、访谈转写、正式数据分析，或在没有研究问题的情况下机械拼接两套题目。","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Frunning-surveys-experiments\u002Fmixed-methods-instrument-design-main\u002FSKILL.md",[219,220,221,222],{"categoryNo":161,"categoryName":162,"taxonomyType":22,"taxonomyTypeDesc":23},{"categoryNo":20,"categoryName":21,"taxonomyType":22,"taxonomyTypeDesc":23},{"categoryNo":25,"categoryName":26,"taxonomyType":22,"taxonomyTypeDesc":23},{"categoryNo":28,"categoryName":29,"taxonomyType":30,"taxonomyTypeDesc":31},[224,225,38,226,36,227,228,229,230,37,231,232,40],"methods","mixed methods instrument design","instrument","Word","数据","testing","survey","工具","data analysis",{"skillNo":234,"name":235,"nameZh":6,"description":236,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":237,"categories":238,"keywords":241,"publishedAt":43},"01M71FYX67NTZH9C05DSD325PD","scientific-critical-thinking","Evaluate scientific claims and evidence quality. Use for assessing experimental design validity, identifying biases and confounders, applying evidence grading frameworks (GRADE, Cochrane Risk of Bias), or teaching critical analysis. Best for understanding evidence quality, identifying flaws. For formal peer review writing use peer-review.","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Freview-revise\u002Fscientific-critical-thinking\u002FSKILL.md",[239,240],{"categoryNo":20,"categoryName":21,"taxonomyType":22,"taxonomyTypeDesc":23},{"categoryNo":28,"categoryName":29,"taxonomyType":30,"taxonomyTypeDesc":31},[242,243,168,244,38,245,246,247,248,249,250,251,252,253,254,255,256,257,258,259],"thinking","critical","scientific critical thinking","writing","Bash","teaching","analysis","review","claims","peer review","read","write","edit","grading","evidence","risk","for","frameworks",{"skillNo":261,"name":262,"nameZh":6,"description":263,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":264,"categories":265,"keywords":266,"publishedAt":43},"01M71FYPFX7BYW99YKGYR3M99Q","scholar-evaluation","Systematically evaluate scholarly work using the ScholarEval framework, providing structured assessment across research quality dimensions including problem formulation, methodology, analysis, and writing with quantitative scoring and actionable feedback.","https:\u002F\u002Fgithub.com\u002Ffranklee16\u002Facademic-research-skills\u002Fblob\u002Fmaster\u002Freview-revise\u002Fscholar-evaluation\u002FSKILL.md",[],[267,152,268,269,270,271,272,245,248,273,274,275,207,276,209,277,210,278,279,211],"scholar evaluation","scholar","feedback","problem","actionable","assessment","scoring","dimensions","across","work","evaluate","methodology","research quality"]