STARWARCLOUD STARWAR.AI
返回市场
质量研究服务器

质量研究服务器

作者：tejpalvirk6 星标更新：2025-04-01
安装使用来源：spider==github.com

项目介绍

质性研究者 MCP 服务器

一个用于管理质性研究知识图谱的工具实现，提供对研究项目、参与者、访谈、观察、编码、主题和发现的结构化表示。该服务器帮助质性研究人员组织数据，跟踪分析过程，发展主题，并从丰富的文本数据中生成见解。

功能

  • 持久的研究上下文：在多个分析会话中维护研究实体及其关系的结构化知识图谱。
  • 研究会话管理：通过唯一ID跟踪研究分析会话，并记录随时间的变化。
  • 主题分析：组织并跟踪跨数据源出现的主题。
  • 编码框架：管理分层编码结构并跟踪编码应用。
  • 参与者管理：跟踪参与者数据、人口统计信息和贡献。
  • 数据源组织：组织访谈、观察和文档。
  • 研究问题跟踪：将数据链接到特定的研究问题。
  • 备忘录撰写：在整个研究过程中记录分析见解。
  • 时序数据分析：按时间顺序探索数据。
  • 编码共现分析：识别不同编码之间的关系。
  • 方法论文档：跟踪方法论决策和方法。

实体

质性研究者 MCP 服务器识别以下实体类型：

  • project：整体研究项目
  • participant：研究对象
  • interview：与参与者的正式对话
  • observation：来自观察研究的现场笔记
  • document：正在分析的外部材料
  • code：应用于数据片段的标签
  • codeGroup：相关编码的类别或家族
  • memo：研究者的分析笔记
  • theme：跨数据出现的模式
  • quote：数据来源中的引人注目摘录
  • literature：学术来源
  • researchQuestion：指导研究的正式问题
  • finding：结果或结论
  • status：实体状态值（活动、完成、待定、放弃）
  • priority：优先级水平值（高、低）

关系

实体可以通过以下关系类型连接：

  • participated_in：将参与者链接到访谈/观察
  • codes：显示哪些编码适用于哪些数据
  • contains：层级关系（例如，codegroup 包含 codes）
  • supports：支持某个主题或发现的数据
  • contradicts：与某个主题或发现相矛盾的数据
  • answers：回答研究问题的数据
  • cites：文献引用
  • followed_by：时间顺序
  • related_to：一般连接
  • reflects_on：备忘录反映数据/编码/主题
  • compares：比较关系
  • conducted_by：进行数据收集的人
  • transcribed_by：转录数据的人
  • part_of：实体是另一个实体的一部分
  • derived_from：实体源自另一个实体
  • collected_on：数据收集日期
  • analyzes：分析关系
  • triangulates_with：数据源之间的三角验证
  • has_status：将实体链接到其当前状态（活动、完成、待定、放弃）
  • has_priority：将实体链接到其优先级水平（高、低）
  • precedes：指示一个分析活动在序列中先于另一个活动

可用工具

质性研究者 MCP 服务器提供了这些工具来与研究知识互动：

startsession

启动一个新的质性研究会话，生成唯一的会话ID，并显示当前的研究项目、最近的数据收集、出现的主题以及之前的会话。通过 has_status 关系显示状态信息，通过 has_priority 关系显示优先级水平，并基于顺序过程关系确定接下来可以工作的研究活动。

loadcontext

加载特定实体（项目、参与者、访谈等）的详细上下文，根据实体类型显示相关信息。包括状态信息、优先级水平和顺序过程关系。

endsession

通过结构化的多阶段过程记录研究会话的结果：

  1. summary：记录会话总结、持续时间和项目重点
  2. interviewData：记录会话期间处理的新访谈数据
  3. memos：记录会话期间创建的分析备忘录
  4. codingActivity：追踪应用于数据的新编码和修订编码
  5. themes：记录从分析中出现或发展的主题
  6. statusUpdates：记录实体状态值的变化
  7. projectStatus：更新整体项目状态、优先级分配和顺序关系
  8. assembly：最终组装所有会话数据

buildcontext

在知识图谱中创建新的实体、关系或观察：

  • entities：添加新的研究实体（项目、参与者、访谈、状态、优先级等）
  • relations：创建实体之间的关系（包括 has_status、has_priority、precedes）
  • observations：向现有实体添加观察

deletecontext

从知识图谱中删除实体、关系或观察：

  • entities：删除研究实体
  • relations：删除实体之间的关系（包括状态、优先级和顺序关系）
  • observations：从实体中删除特定观察

advancedcontext

从知识图谱检索信息：

  • graph：获取整个知识图谱
  • search：根据查询条件搜索节点
  • nodes：通过名称获取特定节点
  • related：查找相关实体
  • status：查找具有特定状态值的实体（活动、完成、待定、放弃）
  • priority：查找具有特定优先级值的实体（高、低）
  • sequence：识别分析活动的顺序关系

领域特定函数

质性研究者 MCP 服务器包括专门针对质性研究的领域函数：

  • getProjectOverview：项目的全面视图，包括研究问题、方法论、参与者、数据来源
  • getParticipantProfile：参与者的详细资料，包括人口统计信息、访谈和引述
  • getThematicAnalysis：带有支持编码和数据的主题分析
  • getCodedData：查看标记有特定编码的所有数据片段
  • getResearchQuestionAnalysis：按研究问题组织数据及相关发现
  • getChronologicalData：按时间顺序查看数据
  • getCodeCooccurrence：分析多个编码一起出现的地方
  • getMemosByFocus：检索与特定实体相关的所有备忘录
  • getMethodologyDetails：回顾方法论方法、抽样和分析技术
  • getRelatedEntities：根据关系类型查找与特定实体相关的实体
  • getStatusOverview：查看具有特定状态的所有实体（活动、完成、待定、放弃）
  • getPriorityItems：识别高优先级的研究任务和活动
  • getAnalysisSequence：基于 precedes 关系可视化分析活动的顺序

示例提示

启动会话

让我们开始一个新的质性研究会话，针对我的健康行为研究项目。

加载研究上下文

加载健康行为研究项目的上下文，以便我可以查看我分析的当前状态。

记录会话结果

我已经完成了对健康行为研究项目访谈数据的分析。我发现了两个与社会支持相关的新主题，编码了三个新访谈，并写了关于参与者响应中出现模式的备忘录。我已将初始编码阶段标记为完成，并将主题分析设为高优先级。项目进展顺利，我开始达到理论饱和。

管理研究知识

在健康行为研究项目中创建一个名为“家庭支持”的新编码，它是“社会支持”编码组的一部分。将其状态设置为活动，并使其先于“社交网络分析”活动。

更新“参与者招募”过程的状态为“已完成”，并添加一个观察，我们已经达到了目标样本量。

使用

此 MCP 服务器使质性研究人员能够：

  • 维持分析连续性：跟踪跨多个研究会话的分析进度
  • 构建编码框架：建立、完善并应用于质性数据的编码结构
  • 跟踪主题发展：观察主题如何在分析过程中出现和发展
  • 管理丰富数据源：组织和连接访谈记录、现场笔记和文档
  • 支持理论发展：通过备忘录撰写过程记录理论见解
  • 准备研究发现：将发现链接到支持证据和研究问题
  • 增强方法论严谨性：记录方法论决策和分析过程
  • 跟踪研究进度：在整个研究生命周期中监控实体状态
  • 优先处理研究任务：识别并专注于高优先级的研究活动
  • 规划分析活动顺序：计划和可视化研究和分析步骤的逻辑顺序

配置

与 Claude Desktop 的使用

在您的 claude_desktop_config.json 中添加以下内容：

从 GitHub 安装并通过 npx 运行

{
  "mcpServers": {
    "qualitativeresearch": {
      "command": "npx",
      "args": [
        "-y",
        "github:tejpalvirk/qualitativeresearch"
      ]
    }
  }
}

全局安装并直接运行

首先，全局安装包：

npm install -g github:tejpalvirk/qualitativeresearch

然后配置 Claude Desktop：

{
  "mcpServers": {
    "qualitativeresearch": {
      "command": "contextmanager-qualitativeresearch"
    }
  }
}

docker

{
  "mcpServers": {
    "qualitativeresearch": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "mcp/qualitativeresearch"
      ]
    }
  }
}

构建

从源码

# 克隆仓库
git clone https://github.com/tejpalvirk/contextmanager.git
cd contextmanager

# 安装依赖
npm install

# 构建服务器
npm run build

# 运行服务器
cd qualitativeresearch
node qualitativeresearch_index.js

Docker:

docker build -t mcp/qualitativeresearch -f qualitativeresearch/Dockerfile .

许可证

此 MCP 服务器采用 MIT 许可证。这意味着您可以自由地使用、修改和分发软件，但需遵守 MIT 许可证的条款和条件。更多详情，请参见项目存储库中的 LICENSE 文件。

环境变量

质性研究 MCP 服务器支持以下环境变量来自定义数据存储位置：

  • MEMORY_FILE_PATH：知识图谱数据存储路径

    • 可以是绝对路径或相对路径（相对路径使用当前工作目录）
    • 默认值：./qualitativeresearch/memory.json

  • SESSIONS_FILE_PATH：会话数据存储路径

    • 可以是绝对路径或相对路径（相对路径使用当前工作目录）
    • 默认值：./qualitativeresearch/sessions.json

示例用法：

# 在当前目录存储数据
MEMORY_FILE_PATH="./qualitative-memory.json" SESSIONS_FILE_PATH="./qualitative-sessions.json" npx github:tejpalvirk/contextmanager-qualitativeresearch

# 在特定位置存储数据（绝对路径）
MEMORY_FILE_PATH="/path/to/data/qualitative-memory.json" npx github:tejpalvirk/contextmanager-qualitativeresearch

# 在用户的家目录存储数据
MEMORY_FILE_PATH="$HOME/contextmanager/qualitative-memory.json" npx github:tejpalvirk/contextmanager-qualitativeresearch