--- name: action-research-expert description: | 行动研究专家。提供系统化行动研究方法，支持参与式行动研究(PAR)、 协作行动研究、实践者研究、行动学习。核心能力包括：问题诊断、 行动规划、循环迭代、反思实践、知识共创。 遵循Kemmis & McTaggart (1988)和Reason & Bradbury (2008)框架。 license: MIT compatibility: | Python 3.8+ AI CLI: Claude/Qwen/iFlow/Gemini/Copilot/Stigmergy/OpenCode/KiloCode/QoderCLI/WorkBuddy/Cursor/Windsurf/龙虾/QClaw agentskills.io: v1.0 compliant metadata: version: "5.0.0" agentskills-io: "true" cross-platform: "true" methodology: "Kemmis & McTaggart (1988), Reason & Bradbury (2008)" --- # 行动研究专家 (Action Research Expert) ## 概述 行动研究是一种将研究与行动相结合的方法论，研究者与实践者协作解决实际问题并产生实践知识。其核心特征是"在实践中研究，为实践而研究"。 ## 核心理念 ### 行动研究特征 | 特征 | 描述 | |------|------| | 实践性 | 解决实际问题 | | 参与性 | 利益相关者参与 | | 循环性 | 计划-行动-观察-反思 | | 情境性 | 在真实情境中进行 | | 解放性 | 赋权与能力建设 | ### 与传统研究比较 | 维度 | 传统研究 | 行动研究 | |------|---------|---------| | 目的 | 产生普遍知识 | 解决具体问题 | | 研究者 | 外部专家 | 参与者/协作者 | | 知识类型 | 理论知识 | 实践知识 | | 控制权 | 研究者控制 | 共同控制 | | 伦理 | 知情同意 | 参与式民主 | ## 螺旋式行动研究模型 ### Kemmis & McTaggart模型 ``` ┌─────────────────────────────────────┐ │ │ ↓ │ ┌───────────────┐ ┌───────────────┐ │ 计划 │ │ 反思 │ │ (Plan) │─────────────────────│ (Reflect) │ └───────────────┘ └───────────────┘ │ ↑ │ │ ↓ │ ┌───────────────┐ ┌───────────────┐ │ 行动 │─────────────────────│ 观察 │ │ (Act) │ │ (Observe) │ └───────────────┘ └───────────────┘ │ │ └─────────────────────────────────────┘ 第一轮循环 → 第二轮循环 → 第三轮循环 → ... ``` ### 四阶段详解 **1. 计划(Plan)** ``` - 识别问题 - 收集基线数据 - 分析原因 - 制定行动计划 - 设定成功标准 ``` **2. 行动(Act)** ``` - 实施干预 - 灵活调整 - 记录过程 - 处理意外 ``` **3. 观察(Observe)** ``` - 收集行动数据 - 多方法观察 - 记录反应 - 监控变化 ``` **4. 反思(Reflect)** ``` - 分析数据 - 评估效果 - 提取经验 - 修改计划 - 进入下一循环 ``` ## 行动研究类型 ### 参与式行动研究(PAR) ``` 特征: - 社区成员作为共同研究者 - 民主决策过程 - 能力建设 - 社会变革导向 适用: - 社区发展 - 健康促进 - 教育改革 - 组织变革 ``` ### 协作行动研究 ``` 特征: - 研究者与实践者协作 - 专业发展导向 - 学校/机构改进 角色: 研究者: 催化者、资源提供者 实践者: 主要行动者 ``` ### 实践者研究 ``` 特征: - 实践者独立研究 - 自我反思导向 - 即时应用 工具: - 反思日志 - 案例记录 - 同侪对话 ``` ## 研究设计 ### 诊断阶段 ``` 问题界定: ├── 问题是什么？ ├── 问题如何表现？ ├── 问题影响谁？ ├── 问题为何存在？ └── 问题如何演变？ 诊断工具: ├── 访谈利益相关者 ├── 观察现场实践 ├── 分析现有文档 ├── 问卷调查基线 └── 头脑风暴会议 ``` ### 行动规划 ``` 干预设计: ┌─────────────────────────────────┐ │ 目标: 要达到什么效果？ │ ├─────────────────────────────────┤ │ 策略: 用什么方法实现？ │ ├─────────────────────────────────┤ │ 行动: 具体要做什么？ │ ├─────────────────────────────────┤ │ 资源: 需要什么资源？ │ ├─────────────────────────────────┤ │ 时间: 何时做什么？ │ ├─────────────────────────────────┤ │ 评估: 如何判断成功？ │ └─────────────────────────────────┘ ``` ## 数据收集方法 ### 行动研究数据源 | 数据类型 | 收集方法 | 用途 | |---------|---------|------| | 过程数据 | 日志、记录 | 追踪行动过程 | | 效果数据 | 前后测、问卷 | 评估干预效果 | | 反应数据 | 访谈、焦点小组 | 理解参与者体验 | | 文本数据 | 文档、反思日志 | 捕捉意义建构 | ### 三角验证 ``` 方法三角: 问卷 + 访谈 + 观察 数据三角: 多来源数据 研究者三角: 多研究者视角 理论三角: 多理论解释 ``` ## 质量标准 ### 行动研究质量评估 | 标准 | 描述 | 检验方法 | |------|------|---------| | 实践相关性 | 解决实际问题 | 问题解决程度 | | 参与深度 | 利益相关者参与 | 参与程度评估 | | 循环完整 | 多轮循环迭代 | 循环记录 | | 反思深度 | 批判性反思 | 反思日志质量 | | 知识贡献 | 理论/实践知识 | 可迁移性评估 | ### 信任度建立 ``` 可信性: ├── 长期参与 ├── 三角验证 ├── 同侪审查 ├── 成员检验 └── 反思性日志 可转移性: ├── 厚描述 ├── 情境详述 └── 案例比较 可依赖性: ├── 审计追踪 ├── 过程记录 └── 方法透明 可确认性: ├── 数据驱动 ├── 多声音呈现 └── 研究者立场声明 ``` ## 使用示例 ``` 用户: 设计一个改进课堂教学的行动研究 AI: 我将设计一个三轮螺旋式行动研究： ## 问题诊断 - 问题: 学生课堂参与度低 - 表现: 仅20%学生主动发言 - 原因分析: 传统讲授模式、缺乏互动 ## 第一轮循环 计划: 引入小组讨论(每周1次) 行动: 实施4周 观察: 参与率上升至35% 反思: 参与提升但讨论质量不高 ## 第二轮循环 计划: 加入讨论支架工具 行动: 实施4周 观察: 参与率上升至55%，质量改善 反思: 部分学生仍沉默 ## 第三轮循环 计划: 引入在线预讨论 行动: 实施4周 观察: 参与率上升至70% 反思: 形成有效组合策略 ## 最终成果 - 实践成果: 参与率提升3.5倍 - 理论贡献: 互动支架模型 - 能力建设: 教师行动研究能力提升 ``` ## 🚫 绝对禁止原则 > **使用前必读**：以下原则是不可逾越的红线，违反将导致行动研究结论无效。 1. **禁止研究-实践分离** — 行动研究的核心是"在实践中研究"，将学术研究与实践分离即失去行动研究的意义 2. **禁止循环不完整** — 只完成计划-行动，跳过观察-反思，或循环次数不足（<2轮），导致研究深度不够 3. **禁止研究者主导而非协作** — 外部研究者将实践者当"研究对象"而非"共同研究者"，违反参与性原则 4. **禁止忽视反思深度** — 将反思简化为描述性总结而非批判性检视，未能揭示深层假设和权力关系 5. **禁止脱离具体情境泛化结论** — 行动研究结论有强烈的情境性，跨情境推广需谨慎说明条件和边界 6. **禁止忽视伦理审查** — 参与式研究涉及人的实践变革，需伦理审查而非仅靠知情同意 ## ✅ 质量标准 ### 完整性 - 必做项清单完成度 ≥ 90% - 行动研究循环记录完整 - 反思日志质量高 ### 方法论 - 理论框架与实践一致性 ≥ 90% - 分析步骤可复现性高 - 协作关系说明清晰 ### 深度 - 核心维度覆盖 ≥ 80% - 批判性反思深入 - 知识贡献明确 ## 🖥️ Python 工具 ### 工具链 | # | 工具名称 | 功能描述 | |---|----------|----------| | 1 | problem_diagnoser.py | 问题诊断分析，支持多维度根因识别 | | 2 | cycle_tracker.py | 行动研究循环追踪，记录计划-行动-观察-反思四阶段 | | 3 | reflection_guide.py | 反思引导工具，支持批判性反思和知识提炼 | | 4 | participation_analyzer.py | 参与度分析，支持利益相关者参与程度评估和协作质量追踪 | ### CLI用法 ```bash python tools/problem_diagnoser.py --input data.json python tools/cycle_tracker.py --track --phase reflect python tools/reflection_guide.py --guide --stage mid_cycle ``` ## 黄金案例 vs 失败案例 —— 从实践学习 ### 黄金案例（正确做法） **案例：制造业班组长的行动研究（完整AR循环，三轮螺旋）** ``` 背景: 某电子制造工厂SMT贴片机良率持续下降（85%→78%） 方法: 行动研究四阶段（计划→行动→观察→反思） 参与者: 班组长3人 + 工艺工程师2人 + 操作员6人 + 研究者1人 数据: 干预前后各1000件产品良率对比 做法（完整AR分析）： 【第1轮循环：诊断问题根源】 - 计划: "操作员手法差异是否影响良率？" 班组长组织操作员讨论 - 行动: 标准化操作规程（SOP）培训 + 全程视频记录 - 观察: 操作员A组良率82%，B组良率76%，差异集中在元件贴装 - 反思: 深层发现——新员工培训不到位，没有标准手法教材 【第2轮循环：针对深层原因】 - 计划: "视频教材能否解决良率问题？" 针对第1轮反思结论设计 - 行动: 标准手法视频 + 一对一辅导 + 良率实时看板 - 观察: 3周后良率从78%升至83%，看板让操作员自我管理 - 反思: 技术问题（手法）+ 信息问题（无反馈）复合作用 【第3轮循环：巩固与推广】 - 计划: "如何固化成功经验？" 将改进方案标准化 - 行动: 工厂级SOP更新 + 新员工入职培训纳入手法教学 - 观察: 6周后良率稳定在87%，无明显回落 - 反思: 改进成功源于"实践者主导"而非"研究者强推" 结果: - 6周内良率提升9个百分点（78%→87%） - 操作员满意度提升（工作有章法） - 经验固化为工厂标准操作规范 - 论文发表：教育技术学期刊 ``` **关键细节:** - AR的核心原则：**实践者即研究者**——班组长不是被研究对象，而是研究主体 - 螺旋式改进：每轮行动都基于上轮反思的发现，不是线性计划 - 三角验证：同时用观察数据+访谈+视频记录，确保可信性 - 失败案例往往是把AR写成"问卷调查"——丢失了实践者参与的核心 --- ### ❌ 失败案例（常见错误） **错误1: 把AR变成问卷调查** ``` 症状: "我们用行动研究收集了200份问卷进行分析" 根因: 实践者不参与研究设计，只有研究者独自操作 后果: 失去AR的核心——实践者反思与参与 ``` **错误2: 只有计划没有循环** ``` 症状: "制定了标准化流程，然后结束项目" 根因: 缺少"计划→行动→观察→反思"的螺旋循环 后果: 一次干预无效就放弃，无法持续改进 ``` **错误3: 研究者独断，不与实践者协商** ``` 症状: "研究者制定了改进方案，要求工人执行" 根因: 实践者（工人）被当成研究对象，不参与决策 后果: 改进方案脱离实际，工人抵触，执行失败 ``` **错误4: 忽视情境复杂性** ``` 症状: "良率低是因为操作不当" 根因: 不深入分析情境因素（设备、材料、管理） 后果: 单一干预无法解决复合问题 ``` --- ## 参考文献 1. Kemmis, S., & McTaggart, R. (1988). *The Action Research Planner*. 2. Reason, P., & Bradbury, H. (2008). *Handbook of Action Research*. 2nd ed. 3. Stringer, E.T. (2014). *Action Research*. 4th ed. 4. McNiff, J. (2013). *Action Research: Principles and Practice*. 3rd ed. --- **技能版本**: 5.0.0 **方法论标准**: Kemmis & McTaggart (1988) **创建时间**: 2026-03-15