Document Analysis Expert

基本信息

名称: document-analysis-expert (文档分析专家) 版本: 2.0.0 理论基础: Scott (1990) · Prior (2003) · Atkinson & Coffey (2004) · Silverman (2021) 许可证: MIT

🖥️ Python 工具

工具链

使用示例

# 1. 文档分类
python tools/document_classifier.py -i data/policy_doc.txt -o results/type.json

# 2. 内容结构分析
python tools/content_structure_analyzer.py -i results/typed_doc.txt -o results/structure.json

# 3. 语境追踪
python tools/document_context_tracer.py -i results/structured_doc.txt -o results/context.json

核心能力

1. 文档类型识别

Scott (1990) 四类文档模型：

2. 内容分析

分析维度：

• 主题分析：核心议题、关键词汇、议题演变
• 叙事分析：叙事结构、主角设定、情节逻辑
• 话语分析：语言策略、权力再现、合法性建构
• 批判阅读：意识形态偏向、利益相关方立场、话语权力

3. 语境分析

Prior (2003) 文档社会生命：

• 生产语境：谁生产？为什么？何时何地？
• 流通语境：谁分发？通过什么渠道？
• 使用语境：谁使用？如何使用？有何效果？
• 档案权力：谁决定保存？保存标准是什么？

4. 批判阅读框架

Atkinson & Coffey (2004) 四项批判原则：

批判1: 文档不是现实的透明窗口
  → 任何文档都是选择性呈现

批判2: 文档是社会互动的产物
  → 理解文档产生过程才能解读其内容

批判3: 文档具有物质性
  → 载体（纸/电子/口述）影响内容

批判4: 档案具有权力效应
  → 保存什么、销毁什么反映权力关系

⚠️ 六大绝对禁止原则

1. 禁止将文档等同于现实

错误做法:

透明假设:
  - "文档说了什么，现实就是什么"
  - 忽略文档的生产和流通语境
  - 将文本作为"事实"的直接证据

示例:
  "政策文件规定X，因此实际执行中X被执行了"
  （忽略了政策与实践之间的差距）

正确做法:

批判性文档分析:
  Step 1: 识别文档类型
    - 官方/非官方？
    - 谁生产的？
    - 生产语境是什么？

  Step 2: 追踪语境
    - 生产时间地点
    - 流通渠道
    - 使用场景

  Step 3: 多源三角验证
    - 对比其他相关文档
    - 寻找矛盾和不一致
    - 结合非文档证据

2. 禁止忽视文档生产语境

错误做法:

无语境分析:
  - 孤立看待文档内容
  - 不问"为什么是这个内容"
  - 不问"谁有权决定内容"

示例:
  "该报告第5页提到Y，说明Y是事实"
  （未问：谁写了报告？目的是什么？何时写的？）

正确做法:

语境分析:
  - 文档生产者的身份和立场
  - 生产时间的历史背景
  - 生产机构的权力结构
  - 文档产生的直接原因

3. 禁止忽视文档受众

错误做法:

单向视角:
  - 只分析文档"说了什么"
  - 忽略"对谁说"和"为什么说"

示例:
  "CEO年报强调员工发展，说明公司重视员工"
  （未问：年报的受众是投资者，不是员工）

正确做法:

受众分析:
  - 文档的预期受众是谁
  - 受众如何影响内容呈现
  - 不同受众看到的是否不同

4. 禁止忽视文档的物质性

错误做法:

载体忽略:
  - 假设电子版=纸质版
  - 忽略存档状态
  - 不区分版本

示例:
  "这是2019年的报告版本"
  （未问：是原始版还是修订版？是否有多版本并存？）

正确做法:

物质性审查:
  - 记录文档的物理/数字形态
  - 记录存档位置和访问条件
  - 标注文档版本和日期
  - 记录文档的物质状态（完整/残缺/损坏）

5. 禁止忽视文档的选择性

错误做法:

完整性假设:
  - 假设文档记录了"全部事实"
  - 忽略"谁决定记录什么"

示例:
  "会议纪要显示讨论了X议题"
  （未问：哪些议题没有被记录？谁有权力决定记录内容？）

正确做法:

选择性分析:
  - 哪些内容被记录/忽略
  - 谁有权力决定选择性记录
  - 选择性记录反映了什么权力结构
  - 未被记录的内容可能同样重要

6. 禁止忽视档案权力

错误做法:

档案中立假设:
  - 假设档案是客观的
  - 忽略保存/销毁的决策权

示例:
  "找不到相关记录，说明这件事没发生"
  （未问：档案的保存标准是什么？谁有权决定销毁？）

正确做法:

档案权力分析:
  - 档案的创建标准和保留政策
  - 谁有权力决定档案的存取
  - 档案的销毁和转移历史
  - 缺失档案本身可能说明问题

适用场景

• ✅ 政策分析（政策文件批判性解读）
• ✅ 组织研究（内部文档分析）
• ✅ 历史研究（档案批判性使用）
• ✅ 媒体分析（新闻话语分析）
• ✅ 社会学田野（观察记录分析）
• ✅ 法律研究（法律文书分析）

实施流程

Phase 1: 文档获取与整理

步骤:
  1. 识别相关文档集合
  2. 记录文档的物质状态
  3. 建立文档清单（metadata）
  4. 分类文档类型

Phase 2: 初步分析

使用 document_classifier.py:
  python tools/document_classifier.py -i data/documents/ -o results/classification.json

  输出: 每个文档的类型标签 + 置信度

Phase 3: 内容深度分析

使用 content_structure_analyzer.py:
  python tools/content_structure_analyzer.py \
    -i results/classified_doc.txt \
    -o results/structure.json \
    --mode theme,narrative,discourse

  输出: 主题标签、叙事结构、话语特征

Phase 4: 语境重建

使用 document_context_tracer.py:
  python tools/document_context_tracer.py \
    -i results/structured_doc.txt \
    -o results/context.json \
    --trace production,circulation,use

  输出: 生产者身份、生产时间、流通渠道、使用场景

Phase 5: 批判综合

综合以上分析:
  1. 识别文档的类型特征
  2. 分析内容的选择性呈现
  3. 重建生产和流通语境
  4. 识别档案权力关系
  5. 与其他证据源交叉验证

质量标准

分析完整性：

• ✅ 每份文档有类型标注
• ✅ 每份文档有语境记录
• ✅ 内容分析有原文引文支撑
• ✅ 批判性反思有记录

方法论合规：

• ✅ 基于Scott (1990)四类文档模型
• ✅ 体现Prior (2003)的社会生命视角
• ✅ 遵循Atkinson & Coffey (2004)批判原则
• ✅ 有多源交叉验证

Document Analysis Expert v2.0.0 — SocienceAI 理论基础: Scott 1990 · Prior 2003 · Atkinson & Coffey 2004 · Silverman 2021