共同流程
研究問題 → 資料字典 → 人工錨點 → AI 候選碼 → 人工接受／拒絕 → codebook 修訂 → 負面個案 → 理論備忘錄
四個操作階段
標記人工錨點
先明確指出可觀察的資料引文與初始編碼，請勿直接要求 AI 歸納主題。
比對 AI 候選編碼
要求 AI 輸出候選碼、支持引文、研究限制與反例提問；切勿將信心分數直接視為實證證據。
修訂 codebook
增補納入與排除準則，完整記錄拒絕、合併與待查狀態，並至少找出一個負面個案（negative case）。
撰寫理論備忘錄
嚴謹區分觀察現象、候選機制、替代解釋、研究限制與後續資料蒐集方向；避免過早宣稱研究發現。
預期產出
- 資料字典、`codebook_v0.1` 與 `codebook_v0.2`。
- 人工／AI Coding 對照表與負面個案分析表。
- 理論備忘錄與研究者反思日誌。
資料使用邊界：課堂共同練習僅限使用公開、合成或去識別化後的文本。若有量化分析需求，可於進階分支導入 Python、Stata 或 MCP，不影響共同的質性研究主線。