该框架将整合复杂性（IC）、系统正当化理论（SJT）、动机性推理、道德基础理论（MFT）、认识论信念、认知闭合需求等模型，整合成一套可流程化、可量化、可复现的文本分析程序，专门适用于带有较强观点立场的对话/演讲文本（如政治-社会认知对话）。
框架设计原则：结构与内容分离、量化与质性结合、人类编码与自动化辅助兼容、输出多维画像而非单一总分。
一、整体架构与流程（标准化操作程序）
阶段0：预处理
- 按讲话人分割文本，再按有意义单元（通常为一个完整论点或连续话轮，约50–150字）切分。
- 标注主题标签（如反腐、科技、基建、中美对比、能力传承等）。
- 提取核心主张、证据、对比对象、情感标记。
阶段1：单元级编码（核心量化层）
对每个单元独立打分，使用统一编码手册。
阶段2：维度聚合与画像生成
计算各维度均值、密度、比例，生成标准化得分（0–100或z分）与雷达图。
阶段3：整合解释与信度检验
计算复合指数，进行跨维度关联分析，报告编码者一致性（建议Cohen’s κ ≥ 0.75）。
阶段4：报告输出
量化画像 + 关键证据摘录 + 认知风格诊断。
二、各模型的具体量化操作
| 模型 | 量化指标 | 评分方式 | 典型操作示例 |
|---|---|---|---|
| 整合复杂性（IC） | 平均IC分（1–7）、高分单元占比 | 按Baker-Brown等官方手册：1=无分化无整合；3=有分化无整合；5=有分化有中等整合；7=高分化高整合 | 对每个单元打分，计算说话人平均分与标准差 |
| 系统正当化（SJT） | 正当化密度、强度分 | 改编Kay & Jost量表为编码类别：系统公平/合法、政策服务大局、问题已解决/不可避免、反对激进变革等。每出现一次计分，强度1–5 | 计算“正当化陈述占比”与平均强度 |
| 动机性推理 | 证据不对称比、归因偏差指数、反例处理率 | – 支持证据数 / 总证据数 – 内归因 vs 外归因比例 – 对反例的忽视/重新解释/承认比例 | 标注每条证据的方向与处理方式，计算比率 |
| 道德基础（MFT） | 五基础占比 + 绑定基础优势分 | 使用扩展道德基础词典（eMFD）或中文版C-MFD进行词频/加权统计；或人类编码 | Loyalty + Authority + Sanctity 占比 vs Care + Fairness |
| 认识论信念 | 确定性分、简单性分、权威源依赖分 | 0–5量表：知识是否被呈现为确定、简单、主要来自正确制度/领导人 | 对主张的知识论特征打分 |
| 认知闭合需求 | 闭合语言密度 | 确定性词语（“就是”“绝对”“已经解决”）出现率减去模糊词语（“可能”“暂时”“也许”） | 比例或标准化频率 |
| 认知-情感结构（简化） | 核心概念网络中心性与情感效价 | 提取高频概念节点，标注正/负连接与情感强度 | 可视化网络或计算正效价占比 |
三、复合指数设计（便于比较与追踪）
- 认知开放性指数 = 标准化IC均值 × 0.5 + （1 – 认知闭合密度）× 0.3 + 反例承认率 × 0.2
- 系统肯定指数 = SJT密度与强度综合分 × 0.6 + 证据不对称比 × 0.4
- 道德绑定指数 = （Loyalty + Authority + Sanctity占比） – （Care + Fairness占比）
- 认知刚性指数 = 认知闭合密度 × 0.4 + 认识论确定性 × 0.3 + （1 – IC标准化分）× 0.3
- 动机性偏差指数 = 证据不对称 + 归因偏差 + 反例处理偏差的平均值
所有指数归一化到0–100，便于横向比较不同文本或不同讲话人。
四、完整分析程序（可直接执行的步骤清单）
- 准备编码手册（基于上述指标，附操作定义与示例）。
- 培训至少2名编码者，进行试编码与一致性校准。
- 对目标对话执行预处理与单元切分。
- 并行进行：IC人工评分 + 其他维度人工/半自动编码（词典+LLM辅助预标注，人类最终审核）。
- 计算各维度与复合指数。
- 生成输出：
- 维度得分表
- 雷达图（认知开放性、系统肯定、道德绑定、认知刚性等）
- 关键主题下的得分对比
- 质性摘录（高/低分典型语句）
- 简短诊断（例如：“高系统正当化 + 中低整合复杂性 + 高绑定道德 + 强动机性推理”）
五、自动化与可扩展性建议
- 半自动路径：使用词典（LIWC类、eMFD/C-MFD）+ 大语言模型（提示工程进行初步分类与评分）+ 人类审核。
- 全流程工具建议：Python（pandas + spaCy/jieba + transformers）或现有内容分析软件（WordStat、LIWC）结合自定义词典。
- 信度与效度：始终报告编码者间信度；可与外部效标（如说话人后续行为、问卷结果）交叉验证。
- 适用边界：最适合观点鲜明、论证性较强的对话/演讲；对纯闲聊或高度情绪化文本需增加情感分析模块。
该框架把原先分散的理论模型转化为可操作的流水线，既能产出量化数字（便于比较、追踪、统计），又能保留质性深度，特别适合分析带有鲜明制度自信、能力本位与内外群体对比的认知内容。实施时可先从小样本试点，逐步完善编码手册与权重。