问卷代码本生成器

要解决的问题

在心理、教育、公共卫生和社会科学研究中，问卷题项、量表维度、变量名、反向计分和录入规则经常散落在文档、表格或聊天记录里。分析前需要先确认 item_id 是否唯一、dimension 是否缺失、response_range 是否一致，以及反向题应该用 6 - original 还是 4 - original 计算。若缺少统一代码本，后续在 Excel、SPSS、R 或 Mplus 中容易出现变量名冲突、计分口径不一致和缺失值处理不透明等问题。

技能如何工作

该技能面向问卷代码本整理，核心输出是一张可复制的 TSV 表格，字段包括 variable、item_id、dimension、item_text、response_range、reverse_scored、scoring_note 和 missing_rule。它会按题项顺序生成短变量名，例如 dep_01、anx_02，并要求使用小写字母、数字和下划线，避免空格、中文标点和过长命名。对于反向计分，它会给出公式 reversed_score = min + max - original_score，并列出常见量表示例；如果用户没有提供缺失值规则，会建议透明规则，例如某维度至少 80% 题项非缺失才计算均值，且不会静默插补。若项目附带 scripts/make_codebook.py，还可以用 Python 标准库将简单 CSV 题项表转换为 Markdown 代码本和 TSV 变量映射。

适用边界

它适合把零散的量表描述整理成分析可用表格，但不适合凭空生成题目措辞、量表手册 cutoff 或临床解释。若反向计分依据不明确，应标记为 uncertain；同时需要区分题项级反向、维度得分和总分得分。