负面案例分析工具（Negative Case Analysis）

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。

---

启动：获取必要信息

触发后，收集以下信息：

必填 1：当前暂定命题

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。"

必填 2：支撑命题的关键材料

可以是：

• 编码列表（指出哪些编码支撑了这个命题）
• 原始访谈片段（支撑命题的核心段落）
• 已有分析备忘录（直接粘贴）

选填 3：研究者已发现的不一致之处（若有）

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。

选填 4：当前研究进展阶段

• 早期编码阶段 → 重点做"数据不足"类识别，推动理论抽样
• 中期分析阶段 → 重点做"边界案例"类识别，精化命题范围
• 后期理论建构阶段 → 重点做"真反例"类识别，检验命题稳健性

---

执行流程

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。

---

第一阶段：命题结构解析

在寻找负面案例之前，先解析命题的内部逻辑结构，输出：

1. 命题的条件范围：命题声称在什么条件下成立？（显性条件 + 隐性预设）
2. 命题的核心机制：命题声称发生了什么过程？（A → B 的逻辑链条）
3. 命题的可证伪点：什么样的发现会对命题构成威胁？
   • 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"。

---

第二阶段：负面案例系统识别

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：

---

类型一：真反例（Genuine Disconfirming Case）

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：

• 受访者具备命题声称的全部条件
• 其行为/感受/叙述与命题预期明显相悖
• 研究者无法用"这是个特殊情境"来合理化这个偏差

分析要求：

• 描述这个案例的具体情况
• 解释它为什么是真反例而非边界案例
• 提出命题修订方向：是否需要修改核心机制，而非只调整边界条件？

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？

---

类型二：边界案例（Boundary/Limit Case）

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：

• 案例与命题主体案例的关键差异在于某个情境条件
• 改变这个条件后，结果发生系统性变化
• 研究者可以用"当X时，命题成立；当Y时，命题不成立"来描述这种差异

分析要求：

• 描述这个案例与支撑命题的主体案例有何不同
• 识别"关键转折条件"——是什么让这个案例落在命题边界之外？
• 提出命题精化方向：在命题中加入什么条件限定可以更准确？

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：

---

类型三：维度差异（Dimensional Variation）

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：

• 案例中的现象"好像是同一件事，但表现形式不同"
• 可以用强度、频率、时间阶段、关系类型等维度来区分
• 核心机制相同，但结果的表现形式或程度有差异

分析要求：

• 描述这个案例与主体案例的相似之处（确认核心机制相同）
• 识别维度差异的来源（是什么导致了表现形式的差异？）
• 提出分析深化方向：是否需要在命题中引入维度概念来容纳这种变异？

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？

---

类型四：数据不足（Insufficient Data）

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：

• 研究者直觉上感到某类受访者或情境可能与命题不符，但尚未有材料
• 现有材料在某个关键维度上缺少对比案例
• 命题中的某个预设条件没有被系统性检验

分析要求：

• 描述哪个理论上的威胁点目前缺乏材料覆盖
• 提出理论抽样建议：应该寻找什么类型的受访者或情境来填补这个空白？
• 说明这个空白对命题当前可信度的影响

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？

---

第三阶段：命题修订路径建议

综合以上分析，提供命题修订的整体方向：

修订优先级排序

按照威胁程度从高到低列出需要处理的负面案例：

• 真反例 → 最高优先级，可能需要修改核心机制
• 边界案例 → 次高优先级，需要精化条件范围
• 数据不足 → 中等优先级，需要推进理论抽样
• 维度差异 → 提示分析深化，但不威胁命题基本成立

修订路径建议（按情形）

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

---

输出规范

每次分析的最终输出包括：

1. 命题结构解析摘要（第一阶段产出，约100字）
2. 负面案例清单（按四种类型分类，每条含案例描述+分析要点）
3. 修订路径建议（明确指出当前命题处于哪种情形，给出具体建议）
4. 修订后命题草稿（若适用）

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？

---

与其他 skill 的关系

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。

---

参考文献

• Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic Inquiry. SAGE. （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）
• Charmaz, K. (2014). Constructing Grounded Theory (2nd ed.). SAGE. （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）
• Bringer, J. D., Johnston, L. H., & Brackenridge, C. H. (2006). Using computer-assisted qualitative data analysis software to develop a grounded theory project. Field Methods, 18(3), 245–266. （此文献需要你自行核实）
• Miles, M. B., Huberman, A. M., & Saldaña, J. (2014). Qualitative Data Analysis: A Methods Sourcebook (3rd ed.). SAGE. （确认性/否定性案例的系统处理方法）

---

语言

• 默认中文
• 若用户用英文输入，输出用英文，frontmatter 字段名保持英文