让AI帮你找模式 · 5个高质量 Prompt
方法论基础 ：Miles & Huberman《质性数据分析》中的跨案例策略 核心逻辑：通过系统比较 找出共性模式 （What is similar?）、差异规律 （What is different?）、条件性关系（When/Why do differences occur?）
Prompt 1
📋 案例属性编码表生成（Case Attribute Matrix）
用途：为多个案例建立结构化的属性编码表，为后续比较提供标准化基础
你是一位擅长跨案例质性分析的研究方法专家。
请帮我为所有研究案例建立一份标准化的【案例属性编码表】。
研究信息：
- 研究主题：[例：不同类型社会组织在疫后恢复中的策略差异]
- 研究问题：[例：哪些背景属性与恢复策略选择相关联？]
- 案例总数：[例：12个组织]
- 初步案例分类：[例：社区型4个、服务型4个、倡导型4个]
请按以下结构输出：
## 一、属性维度框架设计
根据研究问题，列出需要编码的属性维度（建议8-15个）：
| 维度编号 | 属性名称 | 属性类型 | 取值范围/分类 | 理由 |
|---------|---------|---------|-------------|------|
| D1 | 组织成立年限 | 连续变量 | 1-50年 | 影响抗压能力 |
| D2 | 员工规模 | 分类变量 | 小(<10)、中(10-50)、大(>50) | 资源约束 |
| D3 | 主要资金来源 | 分类变量 | 政府、基金会、企业、捐赠 | 战略自主性 |
[继续填写...]
## 二、案例属性矩阵
为所有案例填写编码值：
| 案例编码 | 案例名称 | D1(成立年限) | D2(员工规模) | D3(资金来源) | ... | 备注 |
|---------|---------|-----------|-----------|-----------|-----|------|
| C01 | 组织A名称 | 12年 | 中 | 多元 | ... | |
| C02 | 组织B名称 | 3年 | 小 | 政府为主 | ... | |
[继续填写...]
## 三、属性多样性检查
检查每个属性维度是否包含足够的变异：
- ✓ 充分变异：取值类型≥3种
- △ 有限变异：取值类型=2种
- ✗ 无变异：所有案例取值相同
| 属性 | 变异类型数 | 评估 | 建议 |
|------|----------|------|------|
## 四、属性间冗余检查
是否存在两个属性几乎完全共变（若果如此，需删除其中之一）？
## 五、缺失数据处理说明
对于某些案例缺失的属性值，如何处理？
- 选项A：标注为"缺失"，后续敏感性分析
- 选项B：基于其他已知信息推断（需说明推断依据）
要求：属性维度应基于理论与研究问题，而非机械列举；每个维度应有明确的取值标准，确保编码一致性。Prompt 2
🎯 结果变量编码与分层（Outcome Coding）
用途：对所有案例的核心结果变量进行标准化编码与量化分层，识别结果的多样性模式
你是一位熟悉质性编码方法的研究专家。
请帮我对所有案例的核心结果进行编码与分层。
研究背景：
- 研究主题：[例：政策变化后企业的适应程度与适应方向]
- 核心结果变量名称：[例：企业战略调整程度]
- 所有案例清单：[列出案例编码与名称，如：C01-企业A、C02-企业B...]
- 结果层面的数据证据（案例摘要）：
[为每个案例粘贴1-2段能体现结果差异的原文]
请按以下结构输出：
## 一、结果变量的多维分解
核心结果变量可能含有多个可观察维度，识别并列出（4-6个）：
例如"战略调整程度"可分解为：
- D1：商业模式变化程度（产品/服务维度的改变）
- D2：市场定位调整幅度（目标客户的改变）
- D3：运营流程变革程度（内部组织变化）
- D4：价值链重构程度（供应链/合作关系变化）
## 二、多维分层编码矩阵
为每个案例在各维度上编码（可用量表：高/中/低 或 0-3分，或百分比）：
| 案例编码 | 案例名称 | D1(商模变化) | D2(定位调整) | D3(运营变革) | D4(价值链) | 综合分值 | 分层类别 |
|---------|---------|-----------|-----------|-----------|----------|--------|--------|
| C01 | 企业A | 高 | 中 | 高 | 中 | 3.0/4 | 高度调整 |
| C02 | 企业B | 低 | 低 | 中 | 低 | 1.25/4 | 轻微调整 |
[继续填写...]
## 三、结果分层的合理性论证
根据上述编码，你将案例分为几层？每层包含哪些案例？
建议分层标准：
- 第1层（最高结果）：综合分值 ≥ 2.75
- 第2层（中等结果）：综合分值 1.75-2.74
- 第3层（低结果）：综合分值 < 1.75
## 四、分层与证据对应
为每个分层提供代表性证据，即该层中最典型案例的原文引用：
**高度调整层（示例）**：
典型案例：C01
引用证据："[原文片段]"
共同特征：[3-4句总结]
## 五、结果多样性检查
结果分布是否均衡？是否出现极端集中现象？
- 若案例都聚集在某一层，后续比较的信息量会降低
## 六、结果定义完善与操作化
根据编码过程发现，结果变量的最终操作定义是什么？
（为即将撰写的分析备忘录做准备）
要求：分层必须有理论或数据逻辑支撑，不能是武断的；每个层级应至少包含2-3个案例。Prompt 3
🔗 模式识别与共性提取（Pattern Search）
用途：对比所有案例的属性与结果，系统识别共性模式、差异规律与条件性关系
你是一位从事跨案例质性分析的研究方法专家。
请帮我从已编码的案例数据中系统搜寻模式。
已有分析材料：
- 案例属性编码表：[粘贴完整的案例属性矩阵]
- 结果分层编码表：[粘贴完整的结果编码矩阵]
- 研究问题：[例：什么属性组合会导致不同的战略调整程度？]
请按以下结构输出：
## 一、简单关联模式识别（一对一关系）
对于每个属性维度，识别其与结果分层的关联：
| 属性维度 | 属性值 | 对应结果分层 | 案例数 | 关联强度 | 证据质量 |
|---------|------|-----------|------|--------|---------|
| 组织规模 | 小 | 低结果 | 3 | 强 | 一致 |
| 组织规模 | 中 | 中结果 | 4 | 中 | 有例外 |
| 组织规模 | 大 | 高/中 | 5 | 弱 | 高度分散 |
说明：
- 强关联：该属性值的案例结果高度一致
- 中关联：多数案例符合模式，但有例外
- 弱关联：该属性值的案例结果分散
## 二、多属性组合模式识别（复合模式）
单个属性的解释力有限，尝试找出多个属性的协同作用：
**模式M1**：小规模 + 多元资金 → 高结果
案例：[C03, C07, C11]
共同特征：[...]
反例：[是否存在反例？如有，说明情况]
**模式M2**：大规模 + 单一资金 + 传统运营 → 低结果
案例：[C02, C08]
共同特征：[...]
反例：[...]
[继续识别3-5个显著模式]
## 三、条件性关系发现（When/Why差异出现）
同样的属性在不同条件下，为何产生不同结果？
格式：
**当[条件A]且[条件B]时**，[属性X]导致[高结果]
**但当[条件C]时**，[属性X]导致[低结果]
例："当市场开放程度高且竞争充分时，组织规模小的优势体现为快速决策导致高结果；但当市场受管制且进入壁垒高时，规模小反而因资源不足导致低结果。"
## 四、反事实分析（为什么例外存在）
是否存在"应该导致高结果但结果低"或"应该导致低结果但结果高"的案例？
| 异常案例 | 违反的模式 | 解释假设 | 需验证的数据 |
|---------|----------|--------|-----------|
| C05 | 应属高但结果中 | 战略选择不当？ | 需要深入访谈确认决策逻辑 |
## 五、模式优先级排序
在所有识别的模式中，哪些最具解释力？
| 排名 | 模式描述 | 解释方差比例 | 覆盖案例数 | 例外数 | 可靠性评级 |
|-----|--------|-----------|----------|------|-----------|
| 1 | M1... | 35% | 7/12 | 0 | ●●●(高) |
| 2 | M2... | 25% | 5/12 | 1 | ●●○ |
## 六、互斥与递进模式识别
某些模式是否互斥（不可能同时出现）？某些模式是否存在递进关系（先前条件为后发条件的基础）？
## 七、模式的理论相关性评价
这些模式与既有理论框架的对话：
- 哪些模式支持现有理论假设？
- 哪些模式提出了新的或修正的理论视角？
要求：模式必须数据驱动，使用具体案例编码作为证据；对例外情况必须给出解释，而非忽略。Prompt 4
🎲 差异性分析与偏离案例深挖（Deviant Case Analysis）
用途：系统识别不符合主要模式的案例，理解为什么它们偏离，发现新的解释维度
你是一位擅长处理质性数据异常情况的研究专家。
请帮我对不符合主要发现的案例进行深入分析。
已识别的主要模式：
[粘贴从Prompt 3获得的主要模式M1、M2、M3...]
"偏离案例"清单（不符合主模式的案例）：
| 案例编码 | 案例名称 | 预期结果 | 实际结果 | 偏离方向 |
| C04 | 组织D | 高 | 低 | 向下偏离 |
| C09 | 组织I | 低 | 中 | 向上偏离 |
[列出全部偏离案例]
针对这些案例的深度数据（访谈、观察、文件分析）：
[粘贴2-3段关于偏离案例的原始数据]
请按以下结构输出：
## 一、偏离案例的系统分类
按偏离类型分类所有例外案例：
**Type 1：向上偏离** → 背景应导致低结果，但实现了高/中结果
案例：[...]
可能原因方向：补偿机制、隐性优势、特殊事件
**Type 2：向下偏离** → 背景应导致高结果，但结果仅为低/中
案例：[...]
可能原因方向：关键障碍、自我制约、执行失误
## 二、单个偏离案例的深层探析（至少选2-3个重点案例）
**案例 C04（向下偏离）详细分析**：
2.1 基本背景回顾
- 属性组合：[...]
- 按主模式的预期：应导致高结果
- 实际结果：低
- 偏离程度：-2.5级
2.2 表面原因 vs. 深层原因
表面上似乎是什么因素导致失败？但数据深挖后，真实原因可能是什么？
表面原因："管理不善"
深层原因的数据线索："[原文引用]"------推断：实际上是战略选择的时机问题
2.3 隐性变量发现
这个案例迫使我们识别了什么原有模式中未涉及的变量？
例：原模式中未考虑[新变量名]，但这个案例清楚地展示了该变量的关键作用
2.4 反事实假设
如果改变这个案例中的某一个要素，结果是否会符合主模式？
例："若C04的管理层更换为来自行业的资深人士，他们是否能扭转局面？"
## 三、偏离原因的模式化总结
跨越多个偏离案例，是否存在共同的"偏离机制"？
| 偏离类型 | 共同原因1 | 共同原因2 | 共同原因3 | 案例示例 |
|--------|---------|---------|---------|---------|
| 向上偏离 | 关键人物驱动 | 意外机遇 | 战略创新 | C01, C09 |
## 四、新的解释变量提议
这些偏离案例是否暗示我们需要在分析中加入某些新变量？
新变量提议：
- 变量名：[例：领导者个人素质]
- 理论依据：[为什么这个变量在原属性编码表中被遗漏？]
- 纳入方式：[如何编码和测量这个新变量？]
## 五、修订理论命题
基于偏离案例的发现，原主模式的理论表述应如何修订？
原命题："规模小 + 多元资金 → 高结果"
修订命题："规模小 + 多元资金 → 高结果，**但前提是领导者具有跨界经验**；若领导者背景单一，即使具备前两个条件也难以实现"
## 六、后续验证设计
如何通过进一步数据收集来验证这些新发现？
- 需要补充哪类数据？
- 是否需要重新访问某些案例？
要求：将"偏离"视为宝贵的学习机会，而非数据"污染"；每个偏离都应有具体的解释故事。Prompt 5
🏆 跨案例比较总结与理论命题生成（Comparative Synthesis & Propositions）
用途：整合Prompt 1-4的所有分析，生成可推广的理论命题与条件性陈述
你是一位经验丰富的质性研究者，擅长将跨案例比较转化为理论贡献。
请帮我完成跨案例分析的最终综合阶段。
综合材料：
- 研究问题：[例：什么因素导致社会组织的疫后恢复差异？]
- 案例总数：[例：12个]
- 已识别的主要模式（来自Prompt 3）：[粘贴M1, M2, M3...]
- 已识别的偏离原因与修订命题（来自Prompt 4）：[粘贴修订内容]
- 核心数据支撑（关键原文引用）：[粘贴3-5条最有说服力的原文]
请按以下结构输出：
## 一、跨案例比较的核心发现总结（Executive Summary）
用500字以内，总结三个层级的发现：
**层级1：结果多样性描述**
案例在[核心结果变量]上呈现什么样的分布？（如：高n个、中n个、低n个；是否存在明显聚集或均匀分散？）
**层级2：属性与结果的关联规律**
最关键的3-4个属性维度如何与结果相关联？哪个属性的解释力最强？
**层级3：跨界发现**
在单案例研究中不易发现、但通过比较才显现的"新知"是什么？
## 二、理论命题的多层构建
### 2.1 一级命题（主要机制，最简洁的论述，3-4条）
格式：$$P_1$$: "当[条件]时，[变量A]通过[机制]导致[结果B]"
**$$P_1$$**: 当组织规模小且拥有多元资金来源时，决策灵活性通过快速应对能力导致高恢复程度。
支持案例：C01, C03, C07
反例：C04（规模小但恢复差，原因是管理层经验不足）
**$$P_2$$**: 当组织主要依赖单一资金来源且资助者与组织目标过度一致时，组织自主性通过适应性约束导致低恢复程度。
支持案例：C02, C08, C10
反例：无
**$$P_3$$**: 当危机发生前的网络建设充分时，社会资本通过互惠支持机制导致中到高恢复程度，且此机制与组织规模无关。
支持案例：C05(小), C06(大), C11(小)
反例：C12（网络充分但恢复差，原因是战略方向混乱）
### 2.2 二级命题（条件性修饰，捕捉复杂性，2-3条）
在一级命题基础上，增加触发或抑制条件
**$$P_4$$**: 命题$$P_1$$的效果受"领导者跨界经验"的调节：
- 当领导者具有跨界经验时，小规模+多元资金的优势得到充分发挥（高结果）
- 当领导者背景单一时，即使具备规模小+多元资金，也难以转化为高恢复
支持证据：
高成功案例（C01）："[引用领导者跨界背景的原文]"
低结果案例（C04）："[引用领导者背景单一的原文]"
### 2.3 三级命题（情景特定性，边界条件，1-2条）
指出命题何时可能失效或需修正
**$$P_5$$**: 上述命题1-4在"市场开放程度高"的情境下成立；但当市场受到严格管制或出现政策突变时，单个组织的属性作用减弱，宏观政策支持程度成为主导因素。
验证情境：[例如某个案例处于管制环境，如何体现该模式失效]
## 三、理论图式绘制（概念模型）
用文字符号表现各命题间的逻辑关系：前因属性 ├─ 组织规模 → 中介机制 │ ├─ 决策灵活性 │ ├─ 资源配置 → 调节因素 │ │ ├─ 领导者经验 │ │ └─ 市场环境 → 结果 │ │ ├─ 高恢复 │ │ ├─ 中恢复 │ │ └─ 低恢复 ├─ 资金来源 → └─ 网络资本 →
## 四、命题的应用范围与局限性边界
| 命题号 | 应用范围 | 地理条件 | 组织类型 | 时间条件 | 可信度评级 |
|------|--------|--------|--------|--------|-----------|
| $$P_1$$ | 高 | 开放市场 | 所有类型 | 危机后1-3年 | ★★★★ |
| $$P_2$$ | 中 | 受管制市场 | 小-中型 | 长期适用 | ★★★☆ |
| $$P_3$$ | 高 | 所有市场 | 所有类型 | 所有时期 | ★★★★ |
| $$P_4$$ | 中 | 需要特定背景 | 依赖领导力 | 不确定 | ★★★☆ |
| $$P_5$$ | 低 | 管制环境 | 受限 | 政策变化期 | ★★☆☆ |
## 五、与既有理论的对话
### 5.1 支持与扩展现有理论的地方
- 理论名称/作者：[例：组织适应性理论（Weick, 1995）]
- 本研究的支持点：[例：确认了小组织的决策灵活性优势]
- 本研究的扩展点：[例：进一步明确了什么条件下灵活性能被有效利用]
### 5.2 与现有理论的张力或修正
- 理论名称：[例：资源依赖理论（Pfeffer & Salancik, 1978）]
- 原理论预测：[例：资金单一化应导致组织被动性]
- 本研究的修正：[例：发现在某些情景下，单一来源的长期稳定支持反而能强化组织专业性]
- 修正的条件：[...]
### 5.3 本研究的理论创新点（3-5条）
指出这项研究对领域知识的新贡献
**创新1**: 首次系统证明了[新发现]在[情景]中的作用机制
**创新2**: 识别了以往被忽视的[新变量]的关键角色
**创新3**: 修正了对[现有概念]的理解，提出[新的理论表述]
## 六、实践与政策启示
将理论命题转化为可操作的建议：
**对组织管理层的启示**：
基于$$P_1$$和$$P_4$$，对于规模小的组织，关键不仅是获得多元资金，更重要的是[...]
**对资助方的启示**：
基于$$P_2$$，避免过度强化资助者与被资助方的目标一致性；相反应该[...]
**对政策制定者的启示**：
基于$$P_5$$，在政策制定时应考虑组织自身属性的调节作用，不能[...]
## 七、研究局限性与未来研究方向
### 7.1 本研究的局限
- 样本：案例数量（12）是否足够？是否存在地理或类型偏差？
- 时间：观察期（疫后1年）是否充分？长期效应如何？
- 方法：质性研究的转移性如何？
### 7.2 未来研究方向
- 可否通过量化研究验证这些命题？
- 在其他情景（不同国家、不同危机类型）中是否适用？
- 是否需要纵向追踪来理解动态变化？
要求：理论命题应具有"可证伪性"（即明确指出什么情况下命题不成立）；应平衡"普遍性"与"情景特定性"。📊 五个 Prompt 的对比总览
| # | Prompt 类型 | 核心产出 | 数据处理方式 | 信息密度 |
|---|---|---|---|---|
| P1 | 案例属性矩阵 | 结构化编码表 | 每案例5-10个属性 | 低-中 |
| P2 | 结果分层编码 | 多维分层表 | 结果的细致分解 | 中 |
| P3 | 模式搜寻 | 共性+条件关系 | 跨案例关联分析 | 高 |
| P4 | 偏离分析 | 异常情况深挖 | 例外案例的逻辑 | 高 |
| P5 | 理论命题 | 可推广的陈述 | 命题+应用边界 | 极高 |
🔄 推荐使用流程
12个案例的访谈/观察/文件数据
↓
【P1】建立案例属性编码表
├─ 设计10-15个属性维度
└─ 为每个案例编码
↓
【P2】结果分层编码
├─ 分解结果的多个维度
└─ 为案例分层（高/中/低）
↓
【P3】模式搜寻
├─ 一对一关联分析
├─ 复合模式识别
└─ 条件性关系梳理
↓
【P4】偏离分析
├─ 识别不符合主模式的案例
└─ 深挖异常原因 + 修订命题
↓
【P5】综合与理论命题
├─ 生成3-5条理论命题（$$P_1, P_2, P_3$$...）
└─ 明确应用边界与未来方向💡 四条关键使用提示
1. 属性维度的选择至关重要
不要机械地列举案例的所有特征
只编码与研究问题相关 且具有变异性的属性
属性应来自：理论框架、研究问题、初步编码
2. "偏离案例"是宝藏，不是垃圾凡是不符合主模式的案例，都值得深挖
经常是这些"异常"推动了理论的进化
Miles & Huberman 特别强调：最有趣的发现往往来自对偏离的解释
3. 从描述性到解释性的跃升P1-P2 是描述性：案例是什么样的？结果怎样？
P3-P5 是解释性：为什么会这样？在什么条件下成立？
这是跨案例比较的核心价值所在
4. 命题的可证伪性"好的理论命题"应该是可被推翻的
不要写"在所有情况下都成立"的空洞表述
而要写"在X条件下A导致B，反例是Z情况"这样的精确陈述
📚 参考资源提示
-
Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: An expanded sourcebook (2nd ed.). Sage.
- 第8章：Data display and analysis
- 特别推荐表格 8.1-8.5 的跨案例矩阵设计
-
Yin, R. K. (2018). Case study research and applications (6th ed.). Sage.
- 第6章：Cross-case synthesis
- 对于"何时使用哪种比较策略"给出了清晰指导