从一千八百道辩题提炼结构轴：一项覆盖优先的扎根研究

问题：如何让相似辩题被看见

辩题库积累到上万条后，关键词检索能找到同一对象，却难以解释跨领域的相似性。例如，“面对精神内耗应改变还是接纳”与“接受现实还是改变现实更需要勇气”讨论的对象不同，二者却共享“如何回应困境”的结构；“无障碍社会依靠制度还是宣传”与“校园霸凌依靠法律还是教育”也共享相近的治理工具冲突。

这项研究关注的单位是一组对立题面，而非录音中的完整发言。研究目标有三项：

• 从题面中提炼可重复出现的价值交换、因果机制、责任配置与判断标准；
• 用这些结构解释两道辩题为何相关，以及相关到何种程度；
• 建立覆盖优先的目录，使大量题目进入有边界、可复核的归类流程。

这里的“轴”表示一个稳定的争点方向，例如“信息可及 ↔ 认知深度”。左右两端仅用于记录对立关系，不带有价值高低或正反方优劣的含义。

样本与研究口径

研究从辩题库抽取 1,800 道题面，分为 12 个连续切片，每个切片 150 题。题面经逐条审计后，1,719 题具备可识别的共同争点；81 题因对象缺失、双方不构成对立、语义残缺或只有法律要件题型而进入不适用队列。

单例代码占全部开放代码的 43%。这一比例体现了题面表达和编码粒度的多样性，不能据此判断理论尚未稳定。理论饱和考察的是新的结构交换是否持续出现；“AI”“教育”“爱情”“体育”等领域变化，以及“是否合理”“利弊如何”等题型变化，均不单独构成新轴。

扎根过程

开放编码：从题面抽取争点

开放编码不把“AI”“教育”“爱情”直接写成标签，而是追问双方究竟在交换什么价值、借助什么机制、由谁承担后果。例如：

每条代码均保留题面证据、对象、受影响者、时间阶段和近邻反例。这样可以在后续追溯中回答“为何归到这里”，也能避免一个词语吸收过多不同问题。

轴心编码：把同义表达归并为结构

轴心编码将“逼自己一把 ↔ 放自己一马”“忙碌 ↔ 闲暇”“加压 ↔ 休整”等表达归入“自我驱策 ↔ 休息保全”轴族，同时保留行动强度、自我认同、负荷状态和时间尺度等条件字段。

此阶段形成 65 条稳定轴。稳定的最低条件是至少两个切片提供证据，或同一清晰结构在不同情境中重复出现。高频且过宽的表达只保留为组织族，例如“技术便利 ↔ 综合风险”；它缺少明确受损价值，无法承担逐题主码。

选择性编码：以覆盖与边界选择目录

选择性编码不追求极少数万能标签。过宽的标签虽然可以制造很高的表面覆盖率，却无法解释题目之间的真实关系。目录选择同时考虑五项标准：

由此形成“核心轴 + 复核增强轴 + 二级扩展轴 + 稀有观察轴”的分层体系。题型和领域只进入条件字段，不参与轴频次统计。

48 轴工作目录

当前用于聚合和覆盖评估的工作目录包含 48 条轴：27 条稳定核心轴，以及从 38 条稳定二级轴中按边际覆盖、边界清楚度和跨场景价值选出的 21 条优先扩展轴。其余二级轴继续保留在候选池，12 条稀有轴进入定向补样队列。

一、稳定核心轴

核心轴中有一部分需要更强的对象识别，例如个体权利与公共风险、形式中立与实质纠偏、记忆连续与放下前行、内在动机与外显后果。它们进入自动系统后应附带人工复核增强规则。

二、21 条优先扩展轴

扩展轴负责覆盖核心轴无法充分区分的稳定残差。它们通常对主体、阶段或结果层有更严格的要求。

其余稳定二级轴仍保留在目录候选池。例如，传统连续与适应性创新、创作者控制与分享公共可及、供给侧改变与需求侧改变、快速行动与慢速反思，都可在特定领域分析中启用。48 条目录是当前的工作集，不是对辩题争点的封闭定义。

覆盖优先的聚合原则

“覆盖率”不能理解为每道题随意归入一个大类。若把所有题装入“个人与社会”或“自由与秩序”，数字可以接近 100%，解释力却几乎消失。

因此，系统同时报告三种覆盖率：

设去重后的题目集合为 (T)，已选择的轴集合为 (S)，(a(t,s)) 表示轴 (s) 对题目 (t) 的激活度，(w_t) 为去重后题目的权重，则严格覆盖可以表示为：

[ \operatorname{Coverage}(S)= \frac{\sum_{t\in T} w_t,\mathbf{1}\max_{s\in S}a(t,s)\geq\tau_s} {\sum_{t\in T}w_t} ]

canonicalKey 去重后的权重尤为重要。同一道题出现十场比赛，可以增强结构存在的证据，却不应把覆盖率虚增十倍。

生产评估可先使用以下目标：严格结构覆盖达到 98%，各领域或时间切片的分层覆盖达到 95%，路由覆盖达到 99%。这些数值是验收目标，当前研究没有把它们当作已经完成的实测结果。

目录增补遵循边际覆盖原则：先启用边界清楚的核心轴，再观察未被解释的残差题；一条新轴只有在解释了足够多的残差、且能与相邻轴稳定区分时才进入工作目录。若连续两批最大差异补样只增加领域条件，并未产生新的上位结构，该方向可视为接近饱和。

面向系统的抽取表示

每道题只需要一个主轴和零至两个次轴。除轴本身外，系统还需要保存对象、主体、受影响者、结果层级、时间阶段和题型。下例展示“AI 工具提升学习效率 ↔ AI 工具加剧学习惰性”的结构化结果：

{
  "questionType": "net_effect",
  "context": {
    "evaluatedObject": "AI学习工具",
    "actors": ["学习者"],
    "affectedParties": ["学习者"],
    "resultLevels": ["ability"],
    "timeStage": "cross_period",
    "domains": ["education", "ai"]
  },
  "axes": [
    {
      "axisId": "C01_TECH_CAPABILITY_AGENCY",
      "role": "primary",
      "activation": 0.95,
      "confidence": 0.94,
      "sideMapping": {
        "topicA": "工具增能",
        "topicB": "主体削弱",
        "orientation": "canonical"
      },
      "evidence": ["提升学习效率", "加剧学习惰性"]
    }
  ],
  "rejectedCandidates": [
    {
      "axisId": "C02_INFO_ACCESS_DEPTH",
      "reason": "结果层落在学习能力与依赖，题面未呈现信息数量或系统理解"
    }
  ]
}

activation 表示该轴在题面冲突中的中心程度，confidence 表示当前抽取的可靠程度。二者分开保存：题目可能显然围绕某个轴，但因对象缺失或两侧表述不对称而需要复核。

题面两侧可以与目录标准方向相反，系统通过 sideMapping 记录映射，不会创建重复的反向标签。未知的稳定结构进入 unknownAxes，再由跨切片复现、独立情境数和邻轴反例决定是否升级。

从轴到相关辩题

轴的作用不止是分类。它为“为什么相关”提供可展示的理由。题目之间可区分为四种关系：

现有系统的 Topic → TopicGroup → TopicAndGroupMiddleClass 已经承担精确题归并和相近题群组织。结构轴无需重做这条链路，只需要附着在既有 TopicGroup 上：群组内的录音继承群组轴，跨群组推荐通过共享主轴、次轴和机制属性生成。

例如：

这一层解释可以通过结构轴倒排完成。系统先从同主轴、同次轴或同机制属性的题目中取候选，再用两侧映射、判准与边界规则筛选和生成理由。这样，全库不需要进行平方级的语言模型两两判断，也不需要为第一版额外生成向量。

负例边界：哪些相似不能合并

高质量聚合依赖拒绝错误的相似关系。当前目录至少坚持以下边界：

• AI、教育、爱情、体育、平台等领域词不构成轴。AI 学习能力、AI 伴侣真实性、算法价值嵌入和算法分配后果属于不同结构。
• “利大于弊”“是否合理”“是否过时”记录为题型，不能充当价值轴。
• 成因归属与行动策略分开。结构造成困境，并不能推出个体应当抗争；两者需要分别落在“个体能动归因 ↔ 结构困境归因”和“顺应现实 ↔ 主动抗争”。
• 一般过程价值与制度程序正义分开。前者评价经历与终局，后者评价手段是否获得授权、规则是否一致。
• 关系选择、关系经营、关系退出、情绪表达与情感真实性分开。它们常在同一领域出现，评价对象并不相同。
• 同构重复可以增加证据强度，不能替代跨情境复现，也不能虚增覆盖率。

这些规则同样构成抽取器的测试集。候选轴召回后，系统需要记录被拒绝的近邻轴及其理由，才便于审计误判来自召回、裁决还是题面本身。

生产流程与成本边界

全库处理采用线性增量流程：

既有 TopicGroup
        ↓
一次性抽取争点槽位、主次轴与证据
        ↓
主轴、次轴与属性倒排
        ↓
按轴、机制、判准与边界规则重排
        ↓
写入关系类型、相关理由与复核状态

新题进入系统时，只需完成一次结构化抽取，再从同轴候选中建立有限关系。全库重算仅在目录版本、抽取规则或人工审查结果发生变更时进行。

建议采用两段式抽取：第一段从题面提取对象、主体、结果层和候选轴；第二段执行邻轴裁决、两侧方向映射与证据定位。JSON Schema、阈值、方向一致性和证据跨度可由程序校验；机制理解和未知轴命名交由模型处理。低置信、边界案例、未知轴、题面不对称与法律要件题进入人工复核队列。

当前结论与下一步

十二个切片已经让核心轴族达到实质饱和。技术与主体、信息与认知、自我调适、人生路径、治理方式、程序与结果、责任归因、关系边界、文化传播、市场公共性等主干结构，在后续切片中主要表现为新领域与新条件，而非新的上位冲突。

长尾部分仍在增长。法律推理、税费补贴和供需工具、组织集中与问责、语言与翻译认识论、研究证据方法、人生阶段转换、实质能力自由、AI 价值嵌入和跨群体比较，仍需要最大差异补样。每个方向可按两批、每批 20 至 25 题补样；连续两批未产生新上位结构时，再将其视为接近饱和。

接下来的系统工作可以分为四步：

1. 将 48 轴工作目录和边界规则写入版本化字典。
2. 用去重后的题面构建人工评测集，分别评估主轴、方向、证据跨度、未知轴召回和置信度校准。
3. 将结构轴用于倒排候选与规则重排，先验证“相关理由”是否比单纯领域相似更准确。
4. 根据低置信和未知轴队列开展定向补样，持续调整目录的覆盖与粒度。

辩题的相似性并不来自表面名词的重合。更有价值的连接来自它们是否围绕同一类价值交换、采用相近的因果机制，并要求相似的判断标准。结构轴为这些连接提供了可计算、可解释、可持续修订的基础。