Add the reliability measurement record to the docs

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

docs/decision-log.md

@@ -99,8 +99,8 @@
 
 ## 2026-08-02
 
-- **`import-lyrics` 不設為子命令，pilot 歌詞改以私人腳本
-  匯入**。理由：pilot 捕捉檔不隨論文發布，子命令
+- **`import-lyrics` 不設為子命令，pilot 歌詞改以 `excludes/`
+  私人腳本匯入**。理由：pilot 捕捉檔不隨論文發布，子命令
   形式會在發布的 CLI 裡留下讀者無法執行的死命令——要交待的
   是「沿用 pilot 捕捉」的事實（記於 lyrics-provenance.csv 與
   論文方法節），不是工具本身；工具移出專案，發布管線即
@@ -178,8 +178,8 @@
   來源公開可稽核，快照乾淨、overrides 縮小；論文方法節揭露
   「捕捉前經研究者查證補完」。性別以公開自我認同為準，
   推測不確定且無佐證者列疑慮清單；查證屬資料策展而非
-  分析，以 Claude Code 輔助、不走分析 API；QS 批次以
-  私人工作檔留存，不隨論文發布。
+  分析，以 Claude Code 輔助、不走分析 API；QS 批次存
+  `excludes/`（私人工作檔，不隨論文發布）。
 
 ## 2026-08-04
 
@@ -227,7 +227,7 @@
 - **Markdown 檔名一律以 dash 連接**（decision-log.md、
   research-plan.md、project-structure.md 等；與 data/ 層
   CSV 檔名慣例一致），定義檔命名慣例同步改為
-  `prompts/<task>-v<N>.md`（如 screen-v1.md），版本庫外的
+  `prompts/<task>-v<N>.md`（如 screen-v1.md），`excludes/`
   私人工作檔一併改名；`conference_abstract.md` 改名並搬入
   `paper/`——它是本次年會實際送出的摘要，與全文同屬投稿
   血脈，不是 `docs/` 的內部工作文件。全 repo 指涉同步更新。
@@ -583,8 +583,8 @@
   Billboard 署名 Pinkfong 為品牌（Wikidata Q55735607，型態
   brand），非演唱者；其唯一上榜曲 Baby Shark（2019#75）
   的實際演唱者為 Hope Segoine（KTVB 2019-03-06 報導、
-  Songfacts、經紀簡介，出處詳私人留存的
-  QuickStatements 草稿）。藉既有的
+  Songfacts、經紀簡介，出處詳
+  `excludes/quickstatements/hope-segoine.md`）。藉既有的
   署名正規化機制（`ArtistImporter.CANONICAL_ARTIST_NAMES`）
   指認：歌曲的署名字串維持榜單所印的 "Pinkfong"，解析出
   的演出者實體為 Hope Segoine。品牌無性別可言，人有；
@@ -637,9 +637,10 @@
   （sentence-transformers/all-mpnet-base-v2, revision
   e8c3b32e）對 `runs/02-cluster/source-keywords.txt` 的
   5,999 個關鍵字重新計算。組內一致性定義為組內成員兩兩
-  餘弦相似度之平均。k=50 直接取自私人留存的分群結果；
-  k=30 以同參數重跑（確定性演算法），重算所得最大組恰為
-  491 詞，與當時粗算紀錄吻合，佐證重算與原實驗一致。數表：
+  餘弦相似度之平均。k=50 直接取自留存的分群結果
+  （`excludes/k50/02-cluster/groups.csv`）；k=30 以同參數
+  重跑（確定性演算法），重算所得最大組恰為 491 詞，與
+  當時粗算紀錄吻合，佐證重算與原實驗一致。數表：
 
   | | k=30 | k=50 | k=100 |
   |---|---|---|---|
@@ -702,8 +703,8 @@
   力量語意即入選,women-power 群 11 碼,並產詞彙表外
   幻覺碼一筆),claude-fable-5 讀為詞彙化概念(要求女性
   標記,women-power 群 2 碼),與草稿盲選及深度閱讀輔助
-  判讀同讀法;sonnet 對照執行歸檔另行私人備份,不入
-  版本庫,支出留帳。claude-fable-5 不
+  判讀同讀法;sonnet 對照執行歸檔備份於
+  `excludes/experiments/`,支出留帳。claude-fable-5 不
   受理 temperature 與 thinking 參數(均不送出),無法釘
   temperature=0;執行間變異實測存在(run1/run2 於陽剛、
   脆弱邊緣碼分歧),由三票多數決吸收;詞彙表外輸出項
@@ -750,9 +751,9 @@
   編碼、票數),納入重建摘要與清空範圍,供群層次查詢;
   重建命令自此帶 `--groups results/groups.csv`。
 
-- **Fable 5 輔助判讀實驗總錄(非正式編碼;結果檔私人
-  留存、不入版本庫,本條為其版本庫內的程序錨點)**:
-  2026-08-08 起以 Claude Code subagent(模型
+- **Fable 5 輔助判讀實驗總錄(非正式編碼;結果檔於
+  gitignored 之 `excludes/`,本條為其版本庫內的程序
+  錨點)**:2026-08-08 起以 Claude Code subagent(模型
   Fable 5)進行七項深度閱讀實驗。共同程序:每首歌一個
   獨立會話、提示最少化且逐字統一、判讀者互不知情、不經
   三票制;定位為研究者的輔助判讀(初篩),不改動任何
@@ -782,7 +783,7 @@
   `male-mixed-wp-fe-feminist-reading.md` 與同名 .ods)。
   此系列即論文方法節「最後編碼的結果,再由研究者與 LLM
   (Claude Code)輔助判讀」之所指;結果檔含大量歌詞引文,
-  依著作權紀律私人留置,不入版本庫。
+  依著作權紀律留置 `excludes/`,不入版本庫。
 
 - **步驟 5:女性主義問題之質性深讀(設計定案)**:論文
   題目「挪用與污染」需要框架層的系統性證據;47 首
@@ -898,4 +899,4 @@
   performer_gender 手工修正)、四份 results 定案表、時程
   展延一至二日與剩餘撰寫工作。仍然有效的原則(先導不
   比較、提示只定格式、歌手背景防火牆、commit 判準、
-  版權規則)保留。
+  版權規則、positionality)保留。

docs/project-structure.md

@@ -1,7 +1,7 @@
 # 專案目錄結構
 
 （2026-07-30 討論定案；2026-07-31 更新為 tools/ 子專案與
-SQLite 工作儲存架構）
+SQLite 工作儲存架構；2026-08-17 依完成後的現況更新）
 
 ```
 pop-fem-audit/
@@ -19,12 +19,18 @@ pop-fem-audit/
 │   │   └── lyrics/                        # 歌詞 .txt 快取
 │   │                                      #   （gitignored，版權）
 │   ├── manual/                # 人工著作：只由研究者手寫
-│   │                          #   （黃金標準編碼等）
+│   │   ├── coding-corrections.csv         # 編碼與引述的校對表
+│   │   └── performer-gender-corrections.csv  # 演唱聲音性別的
+│   │                                      #   手工修正
 │   └── derived/               # 衍生：只由 build-db 寫入
 │       ├── songs.csv          # 歌曲報表（人讀；進 git）
 │       └── artists.csv        # 歌手報表（人讀；進 git）
 ├── prompts/                   # LLM 定義檔（逐字作為 system prompt）
-│   └── <步>-<次步>-<task>.md  # 01-tag.md、03-code.md
+│   └── <步>-<次步>-<task>.md  # 01-tag.md、03-code.md、
+│                              #   04-group.md、05-01-read.md、
+│                              #   05-02-consolidate.md、
+│                              #   05-03-synthesize.md、
+│                              #   05-04-annotate.md
 │                              #   （步內僅一個執行時省略次步）
 │                              #   不帶版本號，版本即 git 歷史
 │                              #   （編號的所指是工序：確定性
@@ -52,6 +58,9 @@ pop-fem-audit/
 │   │   │   ├── cluster_keywords.py # pool the tagging runs'
 │   │   │   │                       #   keywords and cluster them
 │   │   │   │                       #   into the codes (step 2)
+│   │   │   ├── tally_codings.py    # settle step 3 by majority
+│   │   │   ├── tally_groups.py     # settle step 4 by majority
+│   │   │   ├── tally_annotations.py # settle step 5-4 by majority
 │   │   │   └── run_llm.py     # API 執行器：一份定義檔＋一份輸入
 │   │   │                      #   →歸檔至指定目錄（Batch API）；
 │   │   │                      #   多次執行的計票由獨立子命令承擔
@@ -62,7 +71,10 @@ pop-fem-audit/
 │   └── tests/                 # 單元測試（unittest）
 ├── runs/                      # 現行執行的完整稽核紀錄（進 git；
 │   │                          #   重跑同一 run 須明示 --replace）
-│   ├── <步驟名>/              #   一步一個目錄（如 03-code）
+│   ├── <步驟名>/              #   一步一個目錄（01-tag、03-code、
+│   │                          #   04-group、05-01-read、
+│   │                          #   05-02-consolidate、
+│   │                          #   05-03-synthesize、05-04-annotate）
 │   │   └── run<N>/            #   LLM 步驟：每個 run 一份自我
 │   │       ├── prompt.md      #   完備歸檔（定義檔快照）
 │   │       ├── output.jsonl   #   該次執行原始輸出
@@ -70,18 +82,23 @@ pop-fem-audit/
 │   │                          #   batch ID、token 用量
 │   └── 02-cluster/           # 確定性步驟：無執行變異，
 │                              #   不分 run<N> 層
-├── results/                   # 論文引用的報表 CSV（export 產出；
-│                              #   「可再生仍 commit」的唯一例外）
+├── results/                   # 論文引用的定案表 CSV（計票子命令
+│   │                          #   產出；「可再生仍 commit」的例外）
+│   ├── codings.csv            # 步驟 3 定案編碼
+│   ├── groups.csv             # 步驟 4 定案編碼群
+│   ├── patterns.csv           # 步驟 5-3 定案樣態表
+│   ├── annotations.csv        # 步驟 5-4 定案歌×樣態
+│   └── pattern-matrix.csv     # 前四者的人讀寬表
 ├── docs/
 │   ├── research-plan.md       # 研究步驟規劃（本檔之姊妹篇）
 │   ├── project-structure.md   # 本檔
-│   ├── codebook.md            # 人工編碼手冊（版本由 git 管理）
+│   ├── output-validation.md   # LLM 輸出的契約查核紀錄
 │   ├── decision-log.md        # 決策日誌：每次改定義檔的原因
 │   ├── run-costs.md           # 每次執行的 token 用量與費用
 │   └── methodology.md         # 方法細節（全文方法節底稿；
 │                              #   映射分析方法須在看結果前寫定）
 └── paper/
-    ├── abstract.md            # 摘要
+    ├── conference-abstract.md # 先導研究摘要（投稿版）
     └── 流行音樂中「女性力量」….odt  # 全文
 ```
 
@@ -94,12 +111,15 @@ pop-fem-audit/
 - **`prompts/` 檔名不帶版本號**：版本即 git 歷史，失敗的
   版本不保留；論文引用的單位是 `runs/` 內隨執行保存的定義檔
   快照（每個執行目錄自我完備），不需檔名可指的版本名。
-- **工作儲存的資料表**：`songs`、`chart_entries`、`artists`、
-  `song_artists`、`codings`（定案編碼：一歌一標籤一列，`quotes`
-  存該標籤所據的歌詞引述，多句以 `|` 相接）。定案表
-  `results/codings.csv` 經 `build-db --codings` 匯入，與其餘資料
-  同一交易，儲存不會半建；詳見 `research-plan.md`「資料儲存與
-  模型」。
+- **工作儲存的資料表**：`songs`（含 `performer_gender`＝演唱
+  聲音的性別）、`chart_entries`、`artists`、`song_artists`、
+  `codings`（定案編碼：一歌一標籤一列，`quotes` 存該標籤所據的
+  歌詞引述，多句以 `|` 相接）、`groups`（語意編碼群）、
+  `patterns`（深讀樣態）、`annotations`（歌×樣態定案矩陣）。
+  各定案表經 `build-db` 的 `--codings`、`--groups`、
+  `--patterns`、`--annotations` 匯入，性別修正經
+  `--gender-corrections` 套用，與其餘資料同一交易，儲存不會
+  半建；詳見 `research-plan.md`「資料儲存與模型」。
 - **Commit 判準**：能由「committed 輸入＋程式」決定性再生者不
   commit（SQLite 工作儲存、LLM 輸入檔）；源頭、捕捉、人工著作
   一律以文字 commit。「可再生仍 commit」的例外有二：

docs/reliability.md

@@ -0,0 +1,161 @@
+# 信度:量測方式與結果
+
+（2026-08-16 量測。對象為步驟 3 的三份執行歸檔
+`runs/03-code/run1`–`run3`,與步驟 5-4 的三份執行歸檔
+`runs/05-04-annotate/run1`–`run3`;數字由原始輸出直接計算。）
+
+## 一、本研究的信度是什麼
+
+**信度(reliability)** 問的是:同一個量測重複做,會不會得到
+同樣的結果。它管的是**一致性**,不管對錯。一把每次都少兩公斤
+的秤,信度很好、效度很差。**效度(validity)** 問的則是:量到
+的是不是想量的東西。
+
+Krippendorff 依產生資料的設計,把信度分成三型
+(Krippendorff, 2004;Hayes & Krippendorff, 2007):
+
+- **穩定性(stability)**:同一位觀察者、同樣的材料,重複
+  量測是否一致(test–retest,即 intra-observer)。
+- **可複製性(reproducibility)**:不同觀察者各自獨立量測
+  是否一致,即一般所稱的**編碼者間信度**
+  (inter-coder reliability)。Krippendorff 認為這是內容
+  分析中最強、也最可行的一型,因為它排除了「這些類目只是
+  某一個人特異的讀法」的疑慮。
+- **準確性(accuracy)**:與已知標準比對。
+
+**本研究三次獨立執行量到的是第一型。**同一個模型、同一份
+定義檔、同一批輸入,重複三次,量到的是這個編碼者自己前後
+一不一致。第二型在本設計中**結構上不存在**:編碼者只有一位,
+不同的模型版本(Sonnet 4.6、Fable 5)也不是「不同的編碼者」,
+而是不同的儀器。第三型**未量測**:沒有黃金標準可比。
+
+以工程的語言說更精確:這裏量的是**儀器的重複性
+(repeatability)**,亦即**隨機性有多大**;計量學上稱之為
+**精密度(precision)**,而**準確度(accuracy)** 未經量測。
+若儀器是確定性的,重複性無須量測;但 LLM 不是——同樣的提示、
+同樣的輸入,三次會給出不同結果,因此重複性是必須報告的儀器
+規格,而非慣例儀式。
+
+這一點與 LLM 標註的近期文獻一致:同一模型重複取樣量測的是
+自我一致性(self-consistency),而重複執行後取多數決可提升
+標註穩定度(如 Prompt Stability Scoring,arXiv:2407.02039)。
+
+## 二、三個常用指標
+
+以「這首歌有沒有這個碼」這種是非題為例:
+
+- **百分比一致率**:兩次判斷相同的格子佔全部格子的比例。
+  最直觀,但會被「碰巧同意」灌水——當九成五的格子都是
+  「無」,兩次隨便判也會有九成以上一致。
+- **Cohen's κ(kappa)**:把「碰巧同意」的部分扣掉之後的
+  一致度,兩位編碼者用。0 表示與隨機無異,1 表示完全一致。
+  慣例上 0.61–0.80 稱為 substantial、0.81 以上稱為
+  almost perfect(Landis & Koch 1977 的分級)。
+- **Krippendorff's α**:可處理兩位以上編碼者、缺漏值與
+  不同尺度,是內容分析文獻最常被要求的指標。慣例門檻為
+  α ≥ 0.800 可作結論、0.667–0.800 只能作暫定結論
+  (Krippendorff 的建議)。
+
+三者裏,**百分比一致率會高估、κ 與 α 才是可比較的數字**。
+
+補充一個常被誤解的方向:κ 的著名「悖論」
+(Feinstein & Cicchetti, 1990)是**類別分佈極不平衡時,
+高一致率反而算出很低的 κ**——偏斜會壓低 κ,不會抬高它。
+本研究的正例只佔 16.5%(89,183 格中約 14,700 格有碼),
+在這種偏斜下 κ 仍達 0.93,屬於保守估計,不是被大量「雙方
+都判無」灌出來的。
+
+## 三、實測結果
+
+### 步驟 3(編碼:883 首 × 101 個碼 = 89,183 格,執行三次)
+
+| 兩次執行 | 百分比一致率 | Cohen's κ | Jaccard |
+|---|---:|---:|---:|
+| run1 × run2 | 98.10% | 0.931 | 0.891 |
+| run1 × run3 | 98.09% | 0.931 | 0.891 |
+| run2 × run3 | 98.26% | 0.937 | 0.900 |
+
+**Krippendorff's α = 0.933**(三次執行合計)。
+
+三票計票的分佈:三票全同 13,500 格、兩票 1,163 格、
+僅一票 1,310 格(未達門檻而剔除)。**定案的 14,663 個編碼
+中,92.1% 是三次全數同意的**。
+
+(此處由原始輸出計算,未套用 936 筆人工校對表;論文引用的
+定案數 14,664 為校對後的結果,差 1 筆。)
+
+### 步驟 5-4(樣態標註:111 首 × 各自適用樣態 = 3,708 格,執行三次)
+
+| 兩次執行 | 百分比一致率 | Cohen's κ | Jaccard |
+|---|---:|---:|---:|
+| run1 × run2 | 97.87% | 0.933 | 0.898 |
+| run1 × run3 | 98.17% | 0.942 | 0.911 |
+| run2 × run3 | 97.87% | 0.933 | 0.898 |
+
+**Krippendorff's α = 0.936**。三票全同 675 格、兩票 62 格、
+僅一票 51 格;**定案的 737 筆歸屬中,91.6% 三次全同**。
+
+### 怎麼讀這些數字
+
+κ 與 α 都在 0.93 上下,以慣例分級屬於 almost perfect,
+也高於 α ≥ 0.800 的門檻。用白話說:**這個編碼者重複三次,
+判斷幾乎不變;會左右搖擺的,是那一成左右的邊緣案例,而
+三票多數決正是為它們設計的**。
+
+Jaccard(只看「有標到」的格子,忽略雙方都沒標的)約 0.89–0.91,
+比百分比一致率低而更誠實——因為 82% 的格子是雙方都判「無」,
+那些一致並不費力。
+
+## 四、隨機性的規模與三票制的作用
+
+信度數字回答的實際問題是:**這台儀器的隨機性,大到會不會
+改變結論?**
+
+步驟 3 的 89,183 格中,搖擺的格子共 2,473 格(兩票 1,163、
+一票 1,310),佔 2.8%。若只執行一次即定案,這批格子當中約
+一半會成為誤收、另一半會成為漏收。三票多數決把兩票以上者
+收入、一票者剔除,處理的正是這一批。
+
+三票制並非消除隨機性,而是**把隨機性往案例原本的傾向推**。
+設某個邊緣案例的符合程度為 p,單次執行以機率 p 標出,三次
+多數決則以 p³+3p²(1−p) 標出:p=0.9 者由 0.9 提高到 0.972,
+p=0.1 者由 0.1 壓低到 0.028,而 p=0.5 者仍是 0.5——真正
+模稜兩可的案例,任何票制都救不了。
+
+以此規模判斷,結論層的三條帶狀結構(女性力量與陽剛群共現、
+與脆弱群互斥、與厭女群獨立)不可能由這個量級的雜訊翻轉。
+反過來說,若一致率只有 0.6,同一組結論就不能採信——信度
+數字的用途在此,而不在滿足慣例。
+
+## 五、這些數字證明了什麼、不能證明什麼
+
+**能證明**:量測是穩定的,結果不是單次抽樣的偶然;
+三票多數決確實只在少數邊緣格子上發揮作用(約 3%)。
+
+**不能證明**:判斷是正確的。三次共用同一個模型與同一份
+先驗,能濾掉隨機噪音,濾不掉系統性偏誤。本研究已發現三個
+三次一致的錯誤可作實例:Sonnet 4.6 穩定地將 Women Power
+讀為 Women+Power;深讀階段將〈Cowgirls〉中握韁繩者判反、
+將〈Happen To Me〉分屬兩段的引文接成同一動機。一把每次都
+量出同樣偏差的尺,重複性滿分,準確度為零。
+
+**結構上沒有**:編碼者間信度。要有它,需要第二個獨立的
+觀察者——另一個模型,或研究者人工編一小批對照。本研究
+未做,列為限制。
+
+## 六、計算方式與依據
+
+- **分析單位**:每一個「(歌曲, 編碼)」格為一個單位,是非題
+  (有標／無標)。步驟 3 為 883 首 × 101 碼 = 89,183 格;
+  步驟 5-4 為各歌適用樣態數合計 3,708 格。
+- **Cohen's κ**:兩次執行的 2×2 表,κ=(p_o−p_e)/(1−p_e),
+  p_e 由兩次各自的邊際比例相乘求得。
+- **Krippendorff's α(名目、三位「編碼者」、無缺漏)**:
+  α=1−D_o/D_e;某單位若有 v 次標為「有」,其不一致配對數為
+  v(3−v),D_o 為其總和除以總配對數,D_e 由整體「有／無」的
+  邊際比例求得。
+- **門檻依據**:κ 的分級為 Landis & Koch (1977)
+  (0.61–0.80 substantial、0.81–1.00 almost perfect);
+  α 的門檻為 Krippendorff 的建議(≥0.800 可作結論、
+  0.667–0.800 僅能作暫定結論)。
+- 數字由原始執行輸出直接計算,未套用 936 筆人工校對表。

docs/research-plan.md

@@ -8,7 +8,7 @@
 
 - **研究敘事**：全文為獨立完整的正式研究（2016–2025 十年
   語料共 1000 筆榜單紀錄、883 首歌，凍結程序後全量執行），
-  **不與先導研究做比較**；
+  **不與先導研究（paper/conference-abstract.md）做比較**；
   全文數字一律以正式研究結果為準。先導研究僅作為假說的
   內部來源，記於決策日誌，不進入論文敘事。
 - **執行原則**：主會話只做討論；所有分析由 deterministic
@@ -76,8 +76,8 @@
   **絕不進 LLM 輸入**——LLM 任務的 user message 維持
   歌詞-only 或管線中間產物-only，避免光環偏誤。
 - **Pilot 歌詞沿用（私人匯入，不進發布管線）**：先導研究
-  捕捉檔（lyrics.json，684 首，2018–2025）以私人腳本
-  匯入歌詞快取；讀者的重現路徑純粹是
+  捕捉檔（lyrics.json，684 首，2018–2025）以 `excludes/`
+  的私人腳本匯入歌詞快取；讀者的重現路徑純粹是
   `fetch-lyrics`；沿用之事實記於
   `data/captures/lyrics-provenance.csv`（進 git）。
 - **子命令**（`pop-fem-audit-tools <cmd>`）：`build-db`
@@ -129,3 +129,7 @@
 - 歌詞受版權保護：完整歌詞不進 git
   （`data/captures/lyrics/` gitignored），論文與 repo 只留
   分析所引摘錄。
+- 工程支援（寫 script、style check、審稿）用公司訂閱的
+  Claude Code；進論文的分析 token 由個人 API 帳號支付。
+- Positionality statement 寫入論文（53 歲、長年婦運者、
+  資深工程師、離開學術圈多年、因整理榜單而起）。

docs/run-costs.md

@@ -40,7 +40,7 @@ $3／$15、opus-4-6 $5／$25、opus-5 與 fable-5 $10／$50）
 | 2026-08-06 | 03-02-arbitration | — | claude-sonnet-4-6 | msgbatch_01N7bDbXRSfAVUzzaj2thKeR | 4 分 20 秒 | 781,037 | 39,315 | $1.47 | 現行（644 首全數有效，零攔阻；保留 1,481／送裁 1,699） |
 | 2026-08-06 | 03-code | run3 | claude-sonnet-4-6 | msgbatch_01KnkCaGETnFJrPddrxZTYHA | 6 分 26 秒 | 1,625,458 | 363,840 | $5.17 | 現行（101 碼；883 首全數有效，零攔阻） |
 | 2026-08-14 | 04-group | run1 | claude-sonnet-4-6 | msgbatch_01UPNedog6feQzJ9WVfSAxBD | 1 分 1 秒 | 3,129 | 470 | $0.01 | 已取代（僅 3 群；改納 women-power 群後重跑） |
-| 2026-08-14 | 04-group | run1 | claude-sonnet-4-6 | msgbatch_01KntJgxdicStaMjNL12P3zi | 1 分 25 秒 | 4,170 | 558 | $0.01 | 已取代（改以 claude-fable-5 執行；vulnerable 輸出含詞彙表外碼 1 筆；歸檔另行私人備份，不入版本庫） |
+| 2026-08-14 | 04-group | run1 | claude-sonnet-4-6 | msgbatch_01KntJgxdicStaMjNL12P3zi | 1 分 25 秒 | 4,170 | 558 | $0.01 | 已取代（改以 claude-fable-5 執行；vulnerable 輸出含詞彙表外碼 1 筆；歸檔備份於 excludes/experiments/） |
 | 2026-08-14 | 04-group | run1 | claude-fable-5 | msgbatch_01Mr6goBb2Efa4YrqCprbP4U | 55 秒 | 5,553 | 2,049 | $0.08 | 現行（4 群；零違規碼；temperature 與 thinking 參數不適用於本模型，未送出） |
 | 2026-08-14 | 04-group | run2 | claude-fable-5 | msgbatch_01C17xW3YBefThTYZ83g7KkL | 1 分 21 秒 | 5,553 | 1,891 | $0.08 | 現行（4 群；零違規碼） |
 | 2026-08-14 | 04-group | run3 | claude-fable-5 | msgbatch_01DveEMYyjCAYe6wxpcCD87V | 2 分 9 秒 | 5,553 | 1,975 | $0.08 | 現行（4 群；零違規碼） |
@@ -50,13 +50,17 @@ $3／$15、opus-4-6 $5／$25、opus-5 與 fable-5 $10／$50）
 | 2026-08-15 | 05-01-read | run3 | claude-fable-5 | msgbatch_01Unn7C7WCnuVoLraJRXksoG | 7 分 59 秒 | 191,459 | 190,433 | $5.72 | 現行（145/145 有效） |
 | 2026-08-15 | 05-02-consolidate | run1 | claude-fable-5 | msgbatch_01WPyH4pCCiieHs4yU3xtHzN | 2 分 28 秒 | 326,287 | 242,785 | $7.70 | 現行（145/145 有效） |
 | 2026-08-15 | 05-03-synthesize | run1 | claude-fable-5 | msgbatch_01XbNQb1SFrUxhk2ZWF7epPA | 3 分 0 秒 | 103,888 | 9,982 | $0.77 | 現行（15 個樣態；研究者審定用草稿） |
+
 | 2026-08-15 | 05-03-synthesize | run2 | claude-fable-5 | msgbatch_01FKqq8U6m5HLLsx7KpQES26 | 3 分 4 秒 | 13,573 | 6,883 | $0.24 | 現行（男聲群 14 首；13 個樣態） |
 | 2026-08-15 | 05-03-synthesize | run3 | claude-fable-5 | msgbatch_017tfhiRTnaxqCp6YFyoivsu | 4 分 4 秒 | 60,727 | 8,519 | $0.52 | 現行（女聲群 98 首；14 個樣態） |
 | 2026-08-15 | 05-03-synthesize | run4 | claude-fable-5 | msgbatch_01SNjTLiNPEba4LW2tcUAcTJ | 4 分 3 秒 | 29,958 | 9,793 | $0.39 | 現行（混合群 30 首；16 個樣態） |
+
 | 2026-08-15 | 05-04-annotate | run1 | claude-fable-5 | msgbatch_01H9gXXhNbhZG6gzZtvMHxhh | 3 分 9 秒 | 815,492 | 300,901 | $11.60 | 現行（109/111 有效；song-177、song-199 遭 max_tokens 截斷，單筆補送） |
 | 2026-08-15 | 05-04-annotate | run1-rescue-177-199 | claude-fable-5 | msgbatch_01YEdroZ51b8btPfG1aqPFCD | 3 分 5 秒 | 17,802 | 11,601 | $0.38 | 現行（run1 之 2 筆補送，max_tokens 提為 16000，成功） |
 | 2026-08-15 | 05-04-annotate | — | claude-fable-5 | msgbatch_01G67STqZsHpnhedat2HRU85 | 3 分 0 秒 | 17,802 | 14,162 | $0.44 | 誤送（補送批次輪詢中斷後誤判死亡而重送；原批次自行完成並歸檔為現行，本批次取消不及、兩筆皆完成，結果棄用） |
+
 | 2026-08-15 | 05-04-annotate | run2 | claude-fable-5 | msgbatch_01VVJpsfidNtF66GnHQdWnGR | 9 分 16 秒 | 815,492 | 306,582 | $11.74 | 現行（111/111 有效；max_tokens 16000，零截斷） |
+
 | 2026-08-15 | 05-04-annotate | run3 | claude-fable-5 | msgbatch_01AsYvZd8rsTYVfUYLzWfeMK | 4 分 12 秒 | 815,492 | 298,512 | $11.54 | 現行（111/111 有效；max_tokens 16000，零截斷） |
 
 累計支出：$125.65。

paper/abstract.md

@@ -1,9 +0,0 @@
-# 流行音樂中「女性力量」語彙的挪用與污染——以 Billboard Year-End Hot 100（2016-2025）為例的內容分析
-
-以美國市場為主的西洋流行音樂樂壇，一直是不同主流與另類文化實驗競爭的場域：傳統與創新，保守與進步。研究者在西洋流行音樂中，發現「女性力量」的語彙在歌曲中被挪用，融入父權框架中。為瞭解在西洋流行音樂中，「女性力量」語彙挪用與污染的樣態，本研究取2016-2025十年間的告示牌年終排行榜，共1,000個榜單位置，整理出883首不重複的歌曲，469位不同的表演者。使用人工智慧大型語言模型（AI LLM，Artificial Intelligence Large Language Model，下稱LLM），獨立標註歌曲歌詞主題，大量蒐集彙整流行音樂主題後，再使用彙整後的主題，對這883首歌曲歌詞編碼。研究者並指定女性力量women-power、厭女misogyny、陽剛男性氣質masculine與脆弱vulnerable四大主題，以LLM對編碼分群，分析在西洋流行音樂中，女性力量和厭女、陽剛男性氣質與脆弱這些主題的相關性。研究者進一步使用LLM，深度檢驗女性力量歌曲中的性別問題樣態。除使用LLM外，研究者也實際檢視編碼結果與性別問題樣態，以瞭解在西洋流行音樂中，「女性力量」語彙如何被挪用與污染。
-
-研究結果顯示：在給予LLM最少提示下，LLM獨立標註、彙整出「女性賦權female-empowerment」的主題，「女性賦權」已經成為當代西洋流行音樂中的重要主題之一。研究者比較「女性力量women-power」主題和「女性賦權female-empowerment」主題的標註差異。Banet-Weiser et al. (2020)主張，新自由主義女性主義敘事，將女性主義導向個人的自我成長、療癒。從編碼結果來看，新自由主義女性主義敘事雖然成為當代的主流，但仍未完全取代傳統女性主義強調的女性集體權力。透過分析四個指定編碼群之間的關係，研究者亦發現，當代流行音樂中，女性賦權不排斥厭女，只排斥脆弱。LLM在女性力量歌曲中，深度檢視性別問題時，獨立彙整出「挪用女性賦權語彙並掏空其意涵」的樣態，直接回應研究題目。研究者後續檢視該樣態所標註的歌曲時，發現LLM的標註問題，需要人工進一步檢視。
-
-結論中，研究者檢視LLM作為內容分析的工具，相比人類編碼，可以獨立編碼不互相干擾，但也面臨兩個主要的挑戰：脈絡污染 (context contamination) ，以及隨機非確定性 (non-deterministic) 。研究者也提出，流行歌曲有大量的脈絡在歌詞之外，只閱讀歌詞語彙，難以真正理解歌曲本身。除了深入閱讀歌詞外，更需要對表演者背景與創作脈絡的理解，才能對西洋流行音樂中女性力量的理解，有更清楚的輪廓。
-
-關鍵字：流行女性主義 (popular feminism) 、流行厭女 (popular misogyny) 、女性賦權／女性力量、語彙挪用、大型語言模型 (LLM) 內容分析

paper/conference-abstract.md

@@ -0,0 +1,309 @@
+# 流行音樂中「女性力量」語彙的挪用與污染
+
+## ── 以 Billboard Year-End Hot 100（2018–2025）為例的內容分析
+
+**投稿類別**：研究論文／口頭報告
+**關鍵字**：女性主義內容分析、流行音樂、empowerment、商品化、AI 文本分析、語言挪用
+
+---
+
+## 摘要
+
+本研究以 2018–2025 年 Billboard Year-End Hot 100（共 684 首歌）為素材，
+檢視「women-power-and-empowerment」（女性力量／賦權）這個流行音樂主題標籤
+在當代主流商業音樂中的使用實況。透過 AI pipeline 抽取主題標籤，再以人工
+逐首審視全部被標記為「女性力量」的 62 首歌，發現其中 **44% 屬於「假女性
+力量」**——表面採用 pro-women 詞彙（empowerment、boss bitch、queen、
+femininity），實質敘事框架卻是父權保護、物化、競爭性貶低其他女性，或將
+「賦權」等同於採用男性饒舌階層的炫耀邏輯。本研究歸納出五種「假女性力量」
+類型，並就「pussy」一詞作為女性代稱（metonym）的使用進行附加分析，發現
+此種以身體部位代稱人格的修辭橫跨男女歌手。研究亦發現大型語言模型（LLM）
+對此種標籤污染存在系統性盲點，並提出框架感知（frame-aware）的修正方法
+作為方法學貢獻。
+
+---
+
+## 一、研究問題
+
+「賦權」（empowerment）一詞自 1980 年代女性主義論述進入主流流行文化
+以來，已逐步被市場語彙化。Beyoncé、Lizzo、Megan Thee Stallion 等女
+性藝人的「女性力量」框架被廣泛流通，唱片公司、串流平台與商業媒體亦頻繁
+以 empowerment、boss、queen、she/her anthem 等標籤行銷女性藝人。
+
+問題在於：**當「女性力量」成為一種行銷標籤時，它指涉的內容是什麼？**
+
+本研究提出兩個具體問題：
+
+1. 當主流商業音樂中一首歌被標記為「女性力量」時，其敘事框架是否實質上
+   傳達女性主體性（agency）、自主（autonomy）與獨立（independence）？
+2. 若不是，被誤標的內容呈現何種模式？這些模式如何與既有的厭女、物化、
+   父權結構關聯？
+
+## 二、研究方法
+
+### 2.1 語料
+
+- **來源**：Billboard Year-End Hot 100（年度終榜），2018–2025 年
+- **總數**：684 首歌（含跨年榜重複的歌曲算一筆）
+- **歌詞抓取**：Lyrics.ovh、LRCLIB API
+- **元資料**：演唱者性別（男 / 女 / 混合團體）、年份、排名、合作署名
+
+### 2.2 主題標籤抽取流程
+
+採用四步驟混合式 AI pipeline：
+
+1. **逐首抽取主題關鍵字**（5–10 個 / 首，由 LLM agent 完成）
+2. **同義詞合併**（1982 個原始關鍵字 → 718 個 canonical）
+3. **主題分群**（718 個 canonical → 33 個 thematic element bucket）
+4. **三角驗證 tagging**：
+   - **由下而上路徑**（bottom-up）：透過第 1–3 步歸納
+   - **由上而下路徑**（top-down）：另一個 LLM agent 直接讀全文，套用既
+     定 33 bucket
+   - **逐主題盲審 judge**：對兩條路徑的差異逐一判定保留／剔除
+
+最終產出固定 33 個 thematic element 的 v1 schema。
+
+### 2.3 「女性力量」後驗審查
+
+對全部 62 首被標記 `women-power-and-empowerment` 的歌進行人工逐首審
+視：由三個獨立 LLM subagent 分別判定 genuine（真）／peripheral（點綴）
+／fake（假），最後人工仲裁；同時對其中出現「pussy」一詞的歌進行修辭
+脈絡分析。
+
+### 2.4 「pussy」修辭分類
+
+對全部 684 首歌中含「pussy / pussies」一詞的 53 首唯一歌曲（含跨年
+重複共 56 筆），逐詞分類為四種修辭功能：
+
+- **METONYM**：以 pussy 代稱「女人」這個人（不指身體部位）
+- **ANATOMICAL**：指涉身體部位本身或性行為
+- **COWARD**：作為「膽小鬼」的中性侮辱
+- **OTHER**：動物或語境不明
+
+每筆使用另標註：說話者性別（male / female / mixed）、指涉對象
+（self / other-women / women-collective-positive / women-collective-negative）。
+
+## 三、主要發現
+
+### 3.1 「女性力量」標籤的污染率：44%
+
+| 分類 | 數量 | 比例 |
+|---|---:|---:|
+| Genuine（真女性力量） | 28 | 45% |
+| Peripheral（pro-women 僅為點綴） | 7 | 11% |
+| **Fake（表面 pro-women，實質父權／物化／厭女）** | **27** | **44%** |
+
+近半數被標記為「女性力量」的主流商業歌曲，其敘事框架實際上並未傳達
+女性主體性、自主或獨立。
+
+### 3.2 「假女性力量」的五種類型
+
+#### 類型 A：男歌手的騎士保護者敘事（chivalric paternalism）
+
+男性歌手以「我會保護妳」、「我會供養妳」、「沒人能傷害妳」自居，將
+女性置於需要男性 wield power on behalf of her 的位置。**權力的源頭
+不在女性自己，而在替她出力的男性**。代表案例：Drake & 21 Savage
+"Spin Bout U"（"I gotta protect ya"）、Drake "Nice For What"。
+
+#### 類型 B：女歌手以身體部位代稱自我與女性整體
+
+以 pussy / bitch 等性器詞彙作為「女人」的代名詞，看似 reclamation，
+但其修辭結構仍內化於男性饒舌階層的詞彙邏輯中。代表案例：Cardi B &
+Megan Thee Stallion "WAP"、Megan Thee Stallion "Thot Shit"、
+Megan Thee Stallion & Dua Lipa "Sweetest Pie"。
+
+（注意：本研究區分**自指身體**的 pussy 使用——女歌手描述自己身體
+本身——與**以 pussy 代稱女人**這種 metonym 修辭。前者是粗俗詞彙
+但仍將女人視為主體；後者則將女人化約為其身體部位。詳見 3.3。）
+
+#### 類型 C：用男性指標衡量「賦權」
+
+「Empowerment」被定義為擁有名牌、得到男人的錢、性的支配權、能凌駕
+其他女性。這種「賦權」本質是**將既有的（男性建構的）權力／資本指標
+讓渡給女性個體去追求**，而非挑戰結構。代表案例：Cardi B "I Like
+It"、Cardi B "Up"、Megan Thee Stallion "Savage"、Mary J. Blige
+"Juicy"。
+
+#### 類型 D：競爭性貶低其他女性以自抬身價
+
+歌曲表面 assert 女性力量，但其修辭策略是不斷貶低、嘲諷、威脅其他
+女性。「我是 queen」的命題往往以「她們是 fake / hoes / pussies」
+為陪襯前提。代表案例：Latto "Big Energy"、Nicki Minaj & Ice
+Spice "Barbie World"、Ice Spice "Princess Diana"、GloRilla &
+Cardi B "Tomorrow 2"。
+
+#### 類型 E：直接複製男性饒舌階層
+
+歌詞結構幾乎是男性饒舌歌手歌詞的字面翻版（炫富、嗆對手、宣告 turf、
+sexual dominance），只是性別主詞置換。**這不是 reclamation 而是
+horizontal substitution**。代表案例：GloRilla "Yeah Glo!"、Nicki
+Minaj "FTCU"、GloRilla & Megan Thee Stallion "Wanna Be"、
+Sexyy Red "Get It Sexyy"。
+
+### 3.3 「Pussy」作為女性代稱：跨性別的內化
+
+對 53 首唯一歌曲的逐詞分析發現：
+
+- **Dominant METONYM 歌曲**：8 首（pussy 主要功能是代稱女人）
+- **Dominant ANATOMICAL 歌曲**：32 首（指涉身體 / 性行為）
+- **Dominant COWARD 歌曲**：13 首
+
+以 pussy 代稱女人這種 metonym 修辭出現於兩類說話者：
+
+**男性歌手**（將女人化約為其性器）：
+- Drake — "Life Is Good"（2020）、"Spin Bout U"（2023）
+- The Weeknd — "Heartless"（2020，同一首中 2 次）
+- 21 Savage — "redrum"（2024）
+- Bryson Tiller — "Whatever She Wants"（2024）
+
+**女性歌手**（用 pussy 貶低、排序其他女性）：
+- Cardi B — "Tomorrow 2"（2023）
+- GloRilla — "Wanna Be"（2024）、"Yeah Glo!"（2024）
+
+值得注意的是：**女性歌手以 pussy 代稱「自己作為女性主體」**
+（reclamation 用法，target = women-collective-positive）的案例
+——例如 Megan Thee Stallion 在多首歌中的女性主體宣告——本研究**不
+列入物化清單**，因其修辭結構是 assert woman as subject，而非
+reduce woman to organ。
+
+但 GloRilla、Cardi B 在上述歌曲中的 pussy 使用，是用此詞**對其他
+女性進行排序與貶低**——「她們是 pussies」、「真 pussy 在這裡」——
+此即類型 D 與類型 E 的修辭操作。**身體部位代稱人格的修辭一旦進入
+女性互貶的邏輯，仍是女性物化框架的延續，不因說話者為女性而免疫。**
+
+### 3.4 LLM 內容分析的系統性盲點
+
+追溯被誤標為「女性力量」的 27 首假歌曲，其標籤來源分布：
+
+| 標籤來源 | 數量 |
+|---|---:|
+| **由下而上 + 由上而下兩條路徑都同意**（直接進入 agreed，judge 看不到） | **24 / 27** |
+| 僅由下而上路徑提出 | 3 / 27 |
+| 僅由上而下路徑提出 | 0 / 27 |
+
+**89% 的假標籤是兩條結構不同的 LLM 路徑「共同同意」的結果。**
+
+這個發現挑戰了「triangulation 透過路徑差異對抗單一路徑偏誤」的方法
+學假設。當兩條路徑都跑在同一個 LLM 家族（本研究使用 Anthropic 的
+Sonnet 模型）上時，它們**共享表面詞彙的 pattern-match 偏誤**——只要
+歌詞包含「女性主體 + 提及女性議題 + 強勢語氣」這個表層組合，兩條路徑
+都會傾向標記為「女性力量」，無論敘事框架實際是父權還是物化。
+
+這呼應 Bender、Gebru 等學者對大型語言模型 stochastic parroting
+特性的批判：模型內化的是訓練語料裡「empowerment 該長什麼樣子」的
+表層共識，而這個共識本身就是被市場去政治化過的。
+
+## 四、討論
+
+### 4.1 「女性力量」作為去政治化的市場符號
+
+本研究的核心發現可以這樣概括：在當代主流商業音樂的標籤生態中，「女性
+力量」作為符號的流通已經與其原初的女性主義內涵嚴重脫鉤。**Empowerment
+這個詞彙本身的存在不再保證敘事框架是賦權的**——它甚至常與最徹底的
+父權／物化框架共存於同一首歌。
+
+### 4.2 「反向挪用」的悖論
+
+特別值得女性主義關注的是「類型 E」現象：女性饒舌歌手大規模採用男性
+饒舌階層的修辭範式（炫富、嗆對手、性支配、體型／外貌互貶）作為
+「empowerment」的表現。這種操作可以從兩個對立的角度詮釋：
+
+- **解放詮釋**：女性奪取了原本被男性壟斷的 assertive 修辭空間；
+- **內化詮釋**：女性內化了 hegemonic masculinity 的成功標準，把它
+  當作「女性也能達到」的目標，而**未挑戰這個標準本身**。
+
+本研究傾向後者詮釋，理由是：類型 E 的歌曲幾乎全數同時包含類型 D
+（競爭性貶低其他女性）與類型 B（pussy 代稱女人），其結構整體性地
+複製了男性饒舌的厭女語法，而非挑戰它。**「女性也能做這件事」不等於
+「這件事被女性主義化了」**。
+
+### 4.3 身體部位代稱的跨性別內化
+
+類型 B 與「pussy 作為女人代稱」的修辭，是上述內化最具體的語言層證
+據。當女性歌手在歌詞中說「real pussy in this bitch」（真女人在
+這裡）時，「真女人」這個概念本身就是**用男性凝視的詞彙來定義的**——
+女人 = pussy。這個等式在女性說話者口中重述，形式上的反轉（女性
+agency）並沒有改變內容上的物化（女人是其性器）。
+
+## 五、方法學貢獻
+
+### 5.1 LLM 共同盲點不是絕對極限，而是提示問題
+
+本研究進一步測試了一個 prompt 修正：在 by-down/top-down agent 與
+judge agent 的提示中加入：
+
+1. **框架原則（frame vs vocabulary）**：任何主題的判定應看敘事
+   框架，不只看詞彙；
+2. **權力來源測試**（針對 women-power 專用）：權力來自女性自己，
+   還是來自他者（男性、男性指標、貶低其他女性）？
+3. **Agreed 例外規則**：對 women-power 此標籤，judge 可以例外推翻
+   agreed 的保留決定。
+
+對全部 684 首歌重新跑這個修正版 pipeline 後：
+
+- 28 首假女性力量被移除
+- 標籤的「假率」由 44% 降至 5% 以下
+- 對 v1 漏掉的 19 首真實女性力量歌曲被補回
+
+這顯示：**LLM 的「共同盲點」不是模型架構的絕對極限，而是「沒有提示
+要找什麼，模型就不會找」的問題**。給予明確的框架感知提示後，同一個
+模型可以執行 frame-level 分析。
+
+### 5.2 對人文／性別研究使用 AI 工具的啟示
+
+本研究實證地呈現了兩個對未來方法學設計重要的點：
+
+1. **路徑結構不同 ≠ 獨立**：在同一個 LLM 家族上，方法上不同的多
+   條路徑仍共享訓練語料層次的偏誤。真正的「triangulation」需要
+   model diversity（跨家族），不只方法 diversity。
+2. **Frame-aware prompting 是可行且必要的**：對於 women-power
+   這類「市場已先一步污染」的概念，分析者必須事先清楚 articulate
+   什麼算真、什麼算假，並把這個區分寫進 prompt。
+
+## 六、限制
+
+1. **代表性**：Billboard YE Hot 100 反映美國主流商業市場，不代表
+   獨立、地下、非英語流行音樂；
+2. **語言限制**：拉丁語系歌曲的歌詞分析深度受限；
+3. **schema 主觀性**：33 個 bucket 為 AI 一次性歸納，非學術共識
+   分類；
+4. **跨文化遷移**：本研究的「假女性力量」類型主要出自美國黑人女
+   饒舌歌手脈絡，其結構與台灣／華語流行音樂中的相應現象有何異同，
+   是後續研究的重要方向。
+
+## 七、結論
+
+主流商業流行音樂中的「女性力量」標籤已被市場語彙化到與女性主義原
+初內涵嚴重脫鉤的程度。在 2018–2025 年 Billboard 年終榜上，**44%
+的「女性力量」歌曲實質框架是父權、物化或厭女的**。被誤標的歌曲呈
+現五種類型：男性騎士保護敘事、女性身體部位代稱、男性指標衡量賦權、
+競爭性貶低其他女性、直接複製男性饒舌階層。
+
+這個標籤污染現象的存在本身，就是當代「女性力量」作為市場符號去政治
+化的最佳證明。當「empowerment」可以同時指涉真實的女性主體性宣告
+（如 Sabrina Carpenter "Feather"、Miley Cyrus "Flowers"、HUNTR/X
+"Golden"）與「我比其他婊子更高級」這類內化於男性凝視框架的競爭性
+炫耀（如 GloRilla "Yeah Glo!"、Latto "Big Energy"），這個詞已經
+失去了區辨意義。
+
+對 AI 內容分析方法學而言，本研究指出共同 LLM 盲點是 prompt 問題
+而非模型極限：給予明確的框架感知提示後，同一個模型可以做 frame-level
+分析。這對未來在性別研究、文化研究領域使用 AI 工具的學者而言，是一
+個具體可行的修正路徑。
+
+---
+
+## 附錄：分析資料
+
+- 完整 62 首 women-power 歌曲分類資料（genuine / peripheral / fake）：
+  `theme_extraction/women_power_analysis/final_classification.json`
+- 53 首 pussy 修辭使用分類：`pussy_usage_analysis.json`
+- 33 個 thematic element schema（v1）：`theme_extraction/v1_schema.json`
+- v1.1 修正後全量重跑統計：`theme_extraction/v1_1_summary.json`
+
+## 投稿資訊（待確認）
+
+- **目標研討會**：女學會年會
+- **論文長度**：（依會議要求調整，本檔約 3,400 字，可作為 extended
+  abstract 或論文初稿大綱）
+- **作者**：（待補）