124 lines
6.5 KiB
Markdown
124 lines
6.5 KiB
Markdown
# 方法細節
|
||
|
||
（全文方法節底稿。演算法在執行前寫定；任何修訂記入
|
||
`decision-log.md`。定義檔全文見 `prompts/`，執行紀錄見
|
||
`runs/`。）
|
||
|
||
## 自然編碼管線總覽
|
||
|
||
四步驟：自由標註（tag，兩次進池）→ 自然收斂（merge，
|
||
單次）→ 強制收斂（cap，單次）→ 全量編碼（code，2+1），
|
||
另設「女性力量」單目標篩選（screen，2+1）作黃金標準取樣
|
||
的補漏網。歌詞只出現在 tag、code、screen 與其仲裁步驟；
|
||
merge、cap 不接觸歌詞。設計原則見 `research-plan.md`；
|
||
本檔記載可重現的演算法細節。
|
||
|
||
## 詞彙表建構（merge、cap）——單次記錄性程序
|
||
|
||
merge 與 cap 各以單次執行完成，執行內自行為各組命名，
|
||
輸出具名分組（組名 → 成員詞）。不做重複執行與仲裁。
|
||
|
||
- **定位**：詞彙表是研究的儀器，不是量測。詞彙表凍結
|
||
入庫後，下游全部量測（編碼 vs 黃金標準）以同一把尺
|
||
進行，內部一致；建構過程的抽樣變異屬「揭露的儀器
|
||
選擇」，不污染量測。此與質性研究慣行一致——codebook
|
||
建構本為單次的詮釋程序，信度檢驗施於編碼應用層。
|
||
- **取捨紀錄**：曾設計逐對仲裁鏈（共識塊、分歧塊對三票
|
||
多數、命名 2+1；完整版本保存於分支 `tag-algo-13`）。
|
||
棄用理由：逐對多數決雖降低單對變異，但遞移閉包會放大
|
||
結構層變異，淨縮減未經證實；其複雜度成本卻是確定的；
|
||
且縮減的是儀器變異——對論文主張無關緊要的量。
|
||
- **確定性驗證**（違規即依協定修訂定義檔重跑）：輸出須
|
||
為輸入詞集的完整分割（缺詞、多詞、重複即失敗）；組名
|
||
唯一且符合格式；cap 組數 ≤ 50。
|
||
- **收斂軌跡**：原始關鍵字 → merge 組名 → cap 組名，
|
||
兩份執行輸出本身即完整記錄。
|
||
|
||
## 編碼步驟（code、screen）的 2+1 比對與仲裁
|
||
|
||
- **code**：逐首比對兩次執行的標籤集合（引述不參與
|
||
比對）。兩次皆有的標籤為共識保留、兩次皆無為共識
|
||
不標；單邊標籤送仲裁（`01-04-02-code-arb.md`）——仲裁者
|
||
看歌詞全文與該標籤的引述（不含執行別），裁決保留者
|
||
附仲裁者自己的引述，剔除者不列。剔除集合＝送裁鍵減
|
||
輸出鍵，由程式推得。
|
||
- **screen**：輸出即引述陣列，非空＝有、空＝無。僅
|
||
「一有一無」的歌送仲裁（`02-01-02-screen-arb.md`），
|
||
輸入為歌詞加主張「有」方的引述（不記名），輸出同為
|
||
引述陣列。
|
||
- 仲裁者的引述可能與原引述不同：仲裁是對歌詞的重新
|
||
判讀，其引述是該裁決自身的依據，非轉抄。
|
||
- 送入仲裁的標籤即模型自身不穩定的邊界判斷，其裁決為
|
||
單次記錄性決定，不宣稱可再生；可重現性依計畫定義為
|
||
「程序透明＋可稽核」，裁決與其輸入全程歸檔。
|
||
|
||
## 軌跡對映（診斷用）
|
||
|
||
沿收斂軌跡的機械對映：原始關鍵字 → merge 組 → cap 組，
|
||
純程式查表，決定性。以其結果與 code 直接編碼的差異率
|
||
作為「收斂軌跡扭曲」的診斷量，不作主結果。
|
||
|
||
## 全管線的交接契約
|
||
|
||
每一步的輸出如何變成下一步的輸入，皆為確定性程序，規則
|
||
明定如下：
|
||
|
||
- **歌詞輸入檔（tag、code、screen 共用）**：
|
||
`export-llm-input` 自工作儲存產出，每筆
|
||
`{"id": "song-<ID>", "content": <歌詞>}`，依歌曲 ID
|
||
升序。三個讀歌詞的步驟共用同一檔，SHA-256 記入各步
|
||
meta。
|
||
- **tag → merge**：兩次執行的全部關鍵字取聯集、逐字串
|
||
精確去重、字典序排列成 JSON 陣列，即 merge 的輸入。
|
||
進池同時寫出處記錄（關鍵字 →（執行別，歌曲 ID）
|
||
清單），供軌跡對映回到歌曲；出處記錄不進任何 LLM
|
||
輸入。
|
||
- **merge → cap**：merge 輸出的組名以字典序排成 JSON
|
||
陣列，即 cap 的輸入；原始關鍵字不下傳。
|
||
- **cap → code 定義檔**：cap 輸出的組名以字典序逐行填入
|
||
`01-04-01-code.md` 的詞彙表節（逐字），檔案隨 git
|
||
commit 後方可執行——code 的定義檔因此自我完備，
|
||
論文附錄可直接引用。
|
||
- **code 兩次執行 → code-arb**：逐首比對標籤集合
|
||
（鍵集合，引述不參與比對）；僅有分歧的歌入仲裁輸入
|
||
JSONL，依歌曲 ID 升序，每筆 `id` 沿用 `song-<ID>`、
|
||
`content` 為固定鍵序序列化的
|
||
`{"lyrics": …, "disagreements": …}`，disagreements
|
||
鍵按字典序。
|
||
- **code 定案**：每首歌的最終標籤＝共識標籤 ∪ 仲裁保留
|
||
標籤，寫入逐首紀錄檔（歌依 ID 升序、標籤按字典序，
|
||
各標籤附其定案時的引述與來源層——共識或仲裁）。
|
||
- **screen 兩次執行 → screen-arb**：僅「一有一無」的歌
|
||
入仲裁輸入 JSONL（依 ID 升序），`content` 為
|
||
`{"lyrics": …, "evidence": <肯定方引述>}`。
|
||
- **screen 定案**：命中集合＝兩次皆有 ∪ 仲裁裁定有。
|
||
- **女性力量候選集**：於 cap 詞彙表定案後、黃金標準
|
||
編碼開始前，由研究者指認詞彙表中屬「女性力量」概念
|
||
域的組（指認及理由記入決策日誌），候選集＝code 定案
|
||
標籤含該等組者 ∪ screen 命中者。
|
||
- **序列化通則**：所有中間檔為 UTF-8 JSON，鍵序與元素
|
||
序皆依上列規則明定，無時間戳、無隨機成分；解析一律
|
||
偵測重複鍵，違規即失敗。JSONL 一律以換行字元（\n）
|
||
切行——歌詞含 U+0085 等控制字元時，
|
||
`str.splitlines()` 類的通用切行會截斷 JSON 字串
|
||
（實測踩中）。給定相同的 LLM 執行輸出，全部交接產物
|
||
逐位元組可再生。
|
||
|
||
## 執行與稽核
|
||
|
||
- 每一步驟以 `run-llm <定義檔> <輸入檔> <歸檔目錄>`
|
||
執行；2+1 步驟的兩次執行＝重現命令清單上的兩行命令，
|
||
各自歸檔（`runs/<定義檔名>/run1`、`run2`），仲裁為
|
||
獨立步驟、獨立歸檔；單次步驟（merge、cap）一行命令、
|
||
一份歸檔。
|
||
- 進池、比對、裁決套用、對映皆為確定性程式（子命令），
|
||
其輸入輸出檔隨 runs/ 歸檔。
|
||
- Batch API 的每筆請求自含全部脈絡且互不可見（平台
|
||
契約），歌與歌之間的獨立性由此成立；兩次執行的獨立
|
||
性由「兩次呼叫、兩個批次、兩份歸檔」的執行結構自明。
|
||
|
||
## 映射分析方法
|
||
|
||
（依 2026-07-30 決策，於看到結果前寫定；待黃金標準
|
||
編碼展開前補入。）
|