orchestrating-mixed-methods
About orchestrating-mixed-methods
This skill guides researchers in combining qualitative and quantitative evidence for study design, analysis, literature reviews, and applications. It selects an analysis sequence based on the research question and data dependencies, and requires findings to inform one another while keeping conflicts and evidence limits visible.
Key features
- 01Sequence qualitative and quantitative analysis
- 02Align research questions with evidence
- 03Adjust sampling and variables across stages
- 04Integrate consistent, complementary, and conflicting findings
- 05Separate conclusions from proposals to test
Use cases
- 01Design a study combining interviews and surveys
- 02Use interviews to explain data trends or anomalies
- 03Synthesize qualitative and quantitative literature evidence
- 04Develop evidence-based application ideas for testing
Install
Copy the command and run it in a terminal.
npx skills add https:/After installing, type/orchestrating-mixed-methodsin Claude Code to confirm it loaded.
Bundled files
References and scripts installed along with SKILL.md.
agents/openai.yamlreferences/01-routing-rules.md02-sequencing-and-integration.md03-validation-scenarios.mdDetails
From the project READMEOrchestrating Mixed Methods
Overview
整合質性與量化研究，支援研究設計、資料分析、文獻探討、證據綜整與創新應用。 質性分析協助理解需求、情境、動機與尚未定義的問題，量化分析協助檢查規模、 差異、趨勢與效果。兩者的發現要互相影響，共同回答研究問題。
依研究問題採用質性先行、量化先行或同步分析。順序是達成整合的安排， 交付重點是整合如何支持研究結論、改善研究設計或形成應用方向。
Input Contract
從使用者的要求與現有資料確認：
- 研究目的：要理解、解釋或檢驗的問題，以及本輪交付範圍。
- 質性證據：訪談、觀察、案例或文獻中的質性發現，含來源與適用對象。
- 量化證據：問卷、行為數據、實驗或文獻中的量化結果，含定義、樣本與期間。
- 限制：指定方法、資料使用範圍、資源與時程。
可從上下文取得的資訊不重問。缺口會影響研究方向時才詢問，其餘先用可取得的 證據推進，標示假設與待補部分。只有研究計畫的任務，交付設計即可。
Workflow
1. 確定兩種分析要共同回答的問題
把研究目的轉成可研究的問題，說明質性與量化各自提供什麼，以及哪個判斷需要 兩者整合。避免分別做完兩份分析後，才尋找表面相似的結論。
使用者明確限制只用單一方法時，依限制完成本輪工作，說明因此尚未處理的問題。 若補充另一方法有必要，可提出建議，但不自行擴大執行範圍。
2. 安排分析順序
| 安排 | 適用情況 | 兩種分析如何銜接 |
|---|---|---|
質性先行 mixed-qual-first | 需求或概念尚未釐清 | 先釐清概念與假設，再轉成量化可檢驗的問題 |
量化先行 mixed-quant-first | 已有可定位差異、趨勢或異常的數據 | 先找出值得探究的現象，再用質性資料探究情境與可能解釋 |
同步分析 mixed-parallel | 兩類資料可各自分析同一問題，無須等待另一方定義問題 | 分析後對照一致、矛盾與互補處，再修正整合解讀 |
依問題與資料的依賴關係選擇，不因資料有數字就自動量化先行。 難以判斷順序或只有一類資料時，讀 分析安排。
3. 執行並互相修正
依需要使用訪談整理、編碼、主題分析、描述統計、比較或實驗分析等能力。 從當前可用工具與 skills 選擇能完成工作的組合。文獻探討與跨研究整合時，讀 證據整合 的文獻段落。
前一階段的結果應實際改變下一階段的取樣、問題、變項或候選方案。 後一階段若不支持原先解讀，回頭修正解讀或方案。需要具體銜接做法時，讀 階段銜接與整合。
只有一類證據時，先完成可執行部分，交代另一階段所需資料與補充方式。 清楚區分混合研究計畫、目前完成的分析與尚待檢驗的想法。
4. 整合成符合研究目的的成果
對照兩類發現，說明哪些一致、哪些互補、哪些矛盾，以及這如何改變問題理解。 依任務形成研究結論、研究缺口、修訂後的研究設計，或創新洞察與候選方案。 提出後續驗證時，交代它要解決哪個尚未確定的判斷。
有矛盾時，檢查樣本、期間、定義、測量方式與群體差異。無法解決的矛盾保留在 結論中，說明它限制了哪個判斷，以及哪項補充證據能協助釐清。
按需要搭配 ultrathink
使用者明確指定，或研究設計有重要取捨、證據衝突涉及不同解釋、關鍵假設待檢查時，若
ultrathink 可用，載入其主檔，依它的規則選用相關方法與複核。
本 skill 負責質性與量化的銜接和整合，ultrathink 協助檢查問題、假設、替代
解釋與推論。把具體疑點及相關證據交給它，再將檢查結果用來修正研究工作。
使用者未指定且沒有實質疑點時不額外啟用。ultrathink 不可用時，依現有證據與工具完成可做的 分析，交代尚未解決的問題。兩個 skill 維持獨立，不互相要求反覆載入。
Output Contract
交代分析安排與理由、證據來源、整合方式及目前完成的部分，再依任務交付：
| 任務 | 主要成果 |
|---|---|
| 研究設計 | 研究問題、取樣與資料蒐集、兩類分析及整合計畫 |
| 資料分析與研究 | 主要發現、整合結論、成立條件與未解決問題 |
| 文獻探討 | 可追溯來源的證據綜整、差異與研究缺口 |
| 創新應用 | 證據支持的機會、候選方案與驗證方式 |
只要求計畫時，不填入尚未取得的研究結果。
可用短文或表格，不要求兩種分析篇幅相等。只有使用者或實際下游工具需要時， 才使用結構化格式，欄位依接收者需求決定。
Quality Rules
- 分析結論須能追溯證據。清楚區分觀察、推論與新提出的方案。
- 說明整合如何影響研究判斷，不能只並列兩份摘要。
- 訪談提及次數只能描述該份資料，不能自行推論整體市場比例。
- 數值差異與受訪者的解釋都不自動構成因果證明。
- 沒有分析兩類證據時，不宣稱完成混合分析或交叉驗證。
- 創新方案是待檢驗的提議，除非已有適當效果證據，不能宣稱成效已獲證實。
- 不以平均、投票或模糊措辭掩蓋證據矛盾。