跨多个访谈/来源综合定性数据时…

适用于综合多个访谈、观察或问卷等定性数据，将零散观察自下而上聚类为主题，并形成带支持证据的洞察。

适用场景

解决思路

1. 如果用户提供文件（访谈笔记、观察数据、问卷回答），先读取它们。
2. 从原始数据中提取单个观察、引语和笔记。
3. 自下而上聚类：将相关数据点归入自然形成的簇，不要从预设类别开始。
4. 为每个簇命名：创建能捕捉该组本质的描述性主题标签。
5. 创建层级：将簇组织成更高层主题（通常为 3-5 个顶层主题）。
6. 编写洞察陈述：为每个主题写一条清晰洞察，说明其“so what?”（这意味着什么、为什么重要）。
7. 识别模式：记录主题出现的频率、强度以及主题之间的连接。
8. 排优先级：按对设计决策的影响力排列洞察。
9. 将亲和图呈现为结构化层级，包含洞察陈述和支持证据。
10. 在所有参与者之间均匀索引。
11. 处理多个访谈转写稿时，在聚类前先完整处理每一份。
12. 不要让早期转写稿或最近输入被过度代表。
13. 把每位参与者视为同等的信号来源。
14. 在分组前，用参与者 ID（P1、P2、P3...）标记每条观察。
15. 聚类后，检查每位参与者是否至少出现在输出中一次；如果有参与者缺失，返回去补充。
16. 只在一份访谈中出现的模式应标记为 single-source，而不是丢弃。

适用边界 · 注意事项

• 只有单个访谈转写稿时，应使用 `summarize-interview`，不要用亲和图。
• 只需分析某个片段的内心状态时，应使用 `empathy-map`，不要用亲和图。
• 没有多个参与者或多个来源的定性数据可供跨来源综合时，不适合使用亲和图。