“互联网+”社区养老模型构建研究——以天心区社工机构的项目为例＊

林玉婷，余芹芹，胡 娜，贺 琛

（1.湖南工商大学 数学与统计学院，湖南 长沙 410205；2.湖南工商大学，湖南 长沙 410205）

按照联合国的传统标准，一个地区60 岁以上老人达到总人口的10%，该地区即被视为进入老龄化社会。长沙市天心区拥有的65 万人口中就有10.5 万是60 周岁及以上老年人，占全区户籍人口的22.8%。面对严峻的形势，自2013年起，天心区财政为全区独居、空巢以及困难家庭老人提供兜底式居家养老服务，累计投入近千万元[1]。然而人口老龄化态势凶猛，社会养老服务的压力空前巨大，传统的养老方式已无法适应中国目前日益膨胀的老龄化现状[2]。在这样的背景下，政府尝试借助“互联网+”，探索出了一种新的养老模式——“互联网+社区养老”。

本文通过随机走访调查天心区书院路社区和南城社区的老年人获取基本数据，依据马斯洛层次理论、二元Logistic回归模型和朴素贝叶斯原理分别构建出老年人信息需求度模型、老年人社区养老满意度模型和老年人需求预测模型。希望通过这些模型的构建和分析，可以为天心区社工机构在“互联网+”养老模式推广初期的个性化服务提出指导性建议，以期更好满足老年人的多样化养老需求。

1 对象与方法

1.1 研究对象

采取随机抽样调查方法，抽取长沙市天心区的书院路社区和南城社区的100 名老年人。

样本选取标准如下：①年龄大于等于50 岁；②居住时间大于等于6 个月；③认知及反应能力正常；④知情同意本次调查。

本次调查所抽取对象的性别分布情况为男性占比41.03%，女性占比58.97%；各年龄层分布情况为50～60 岁占比29.11%，60～70 岁占比43.04%，70～80 岁占比24.05%，80 岁以上占比3.80%；各婚姻状况分布情况为有老伴的占比84.81%，没有老伴的占比15.19%，基本符合社区老年人的实际分布情况，调查数据具有代表性。

1.2 研究方法

调研组采取社区走访调查的方式，共计发放100 份问卷，所收集的问卷数据采用Excel2010 软件建立数据库，在经过数据筛选和剔除无效数据后，回收有效问卷79 份。然后将有效数据导入SPSS22 中进行分析，并利用SPSS22 和Python 构建模型。

2 构建老年人信息需求模型

2.1 模型准备

依据马斯洛需求层次理论[3]对老年人的生理信息需求、安全信息需求、情感信息需求、受尊重信息需求、自我实现信息需求进行深入分析，将调查问卷中的18 个与信息需求相关的问题归类于5 个方面，如表1 所示。

表1 18 个问题层次归类结果

2.2 模型分析

对数据进行分析，可得老年人信息需求分布柱状图，如图1 所示。由图1 可知，在生理信息需求方面，老年人对社区服务的需求最大，高达73.42%。在安全信息需求方面，老年人对医疗保健知识的需求最大，高达72.15%。在自我实现信息需求方面，老年人对获得新知识和技能和兴趣发展的需求均超过了70%。在情感信息需求方面，老年人对社会文化休闲活动和外出旅有较大需求，其中出行旅游的信息需求高达75.95%。在受尊重信息需求方面，老年人对其他受尊重信息方面的需求最大，高达92.41%。

图1 老年人信息需求分布柱状图

性别差异对社区老年人信息需求的对比分析结果如图2所示。由图2 可知，生理信息需求方面，男性和女性对日常护理的需求相当，男性在生活照料方面的需求远高于女性，女性在社区服务方面的需求高于男性。安全信息需求方面，女性在医院看病、医疗保健等各方面的需求均高于男性。自我实现信息需求方面，女性在兴趣发展和获取新知识新技能方面的需求高于男性。情感信息需求方面，女性在社交、社区文化休闲活动和出行旅游方面有较高的需求度，而男性则在其他的陪同散步、心里咨询等方面有更高的需求度。受尊重的信息需求方面，女性受尊重的需求度远高于男性。

图2 信息需求性别差异柱状图

2.3 模型结论

根据上述数据分析可知，社区老年人各需求方面的需求度分别为：生理信息需求度40.82%、安全信息需求度50.95%、自我实现信息需求度68.78%、情感信息需求度55.06%、受尊重信息需求度72.15%。在马斯洛需求层次理论的基础上，结合数据以及社区老年人的自身状况，根据老年人对不同需求的需要程度，可构建出符合天心区书院路社区和南城社区的老年人信息需求度模型，如图3 所示。

在该信息需求模型中，处于最底层的是受尊重信息需求，表明了社区老年人在受尊重方面的需求最大，同时也反映出尊重老人这一社会需要；其次是自我实现信息需求，体现了老年人在进入老年阶段后希望更多的发展自己的兴趣爱好，做自己喜欢的事情；然后是情感信息需求和安全信息需求，说明现如今，相较于担忧个人的身体健康问题，老年人更希望多花些时间参加社会文化休闲活动和出行旅游；最后，处于最顶层的是生理信息需求，其原因是老人认为此类事务大多可以由自己或子女协助完成，不需要额外提供服务。

图3 书院路及南城社区老年人信息需求模型

3 构建老年人社区养老满意度模型

3.1 选取模型

满意度模型作为一种对关注领域进行评估的方法，可以帮助社工机构更好地了解社区老年人对其服务内容的满意度情况，为社工机构的下一步工作提供明确的行动指南[4]。本文选取二元Logistic 回归模型来确定影响老年人对社工机构服务满意度的相关因素，其中各影响因素的选取基于马斯洛层次理论。对不同满意度影响因素xi做二元Logistic 回归，各影响因素之间存在的关系如下式：

式（1）中：P为在xi因素下不同满意度的概率；i=1，2，3，…。

3.2 确定变量

在研究影响老年人对社工机构满意度的因素并构建二元Logistic 回归模型时[5]，所涉及的变量及其对应的编码如下。

因变量：总体满意度（10 分及以下=0，10 分以上=1）。

自变量：居住状态（独居或空巢=0，与子女同住=1），生活照料（自己=0，他人=1），从事工作（无正式单位=0，有正式单位=1），生活满意度（不满意或一般=0，满意=1）；健康自评（较差或一般=0，健康=1），是否参加兴趣小组（否=0，是=1）。

控制变量：性别（男=0，女=1），年龄（65 以下=0，65及以上=1），文化程度（中专以下=0，中专及以上=1），婚姻状况（其他=0；有老伴=1）。

3.3 数据分析

分别从社区居住环境、社区散步空间、社区医疗设施、社区照料中心服务设施、社区照料中心工作人员服务态度等方面来测度老年人对社区养老服务机构满意度，并按量表将每项指标分3 个等级来进行打分（不满意1 分、一般2 分、满意3 分），然后将各项指标得分相加即可得到总体满意度评分，当评分大于10 分时表明社区老年人对社工机构的总体服务感到满意。经过测度评分后，求得的老年人对社工机构的总体满意度为82.3%，并且老年人对社区居住环境、社区散步空间、社区照料中心服务设施、社区照料中心服务态度的满意度比较相近，分别为68.4%、64.6%、60.8%、72.2%，其中社区医疗设施的满意度最低，仅为29.1%。

3.4 模型求解

为了进一步求出老年人对社工机构服务满意度的影响因素，本文通过运用SPSS 软件对各变量数据进行Logistic回归分析，最终求得的结果如表2 所示。

表2 Logistic 回归模型结果

由表2 可知，每个自变量都影响着老年人对社工机构的满意度，其中与子女同住、他人照料、退休前有正式单位、生活满意度高、自我评价身体健康、经常参加兴趣小组的老年人，对社工机构的服务更倾向于满意。并且，从模型结果可看出，控制变量中的文化程度与婚姻状况也会影响老年人对社工机构的服务的满意度。

4 构建老年人需求预测模型

4.1 模型选取

传统的机器学习方法在高维小样本数据上往往难以达到令人满意的效果[6]，而贝叶斯方法在高维小样本上具备较快的分类速度和较高的准确度。并且对于离散的训练样本，贝叶斯方法能根据各属性值对不同分类结果的影响程度进行合理分类，从而达到预测属性集中属性取向的可能结果[7]。贝叶斯方法在预测过程中，利用模型信息和样本数据信息和先验概率信息，在预测过程中可以保证预测结果的可靠性[8]。

本文所选取的朴素贝叶斯方法是假设各个特征相互独立的贝叶斯方法，通过这样的方式，可使数据在分类的过程中更为简单高效。其中，利用先验分布π（Di）和条件分布密度P（Xj｜Di）可以求出Di的后验分布概率P（Dj｜Xi），具体计算公式如下：

4.2 模型求解

在构建模型时，需要将数据划分为训练集和测试集，训练集用于计算出每个属性的特征集合对应的不同需求的概率，测试集用于验证预测结果的准确性。而将训练集数据以集合的形式导入Python 变量后，具体求解过程如下（以个人生活照料服务需求为例）。

首先定义get_count（indexs，attrs）函数计算各属性不同特征的出现次数，其中indexs 为待比较的索引列表，attrs为待比较的属性列表。接着根据先验概率公式编写Python代码可计算出：21.62%的老人认为社区需要提供个人生活照料服务，78.38%的老人认为社区没必要提供个人生活照料服务。

然后通过Python 找出数据中每个属性的特征集合，并在此基础上计算出每个属性特征集合对应的需求概率。由于本文使用的数据集为小样本数据，导致所求属性特征集合对应的需求概率会出现部分值为0 的情况，这与朴素贝叶斯中各属性特征相互独立的基本假设相违背。为了降低零概率值对分类结果的影响，本文选取拉普拉斯估计算法来校准零概率问题。拉普拉斯校准是通过对各属性不同取值的计数加1，使得原本值为0 的概率出现较大变化，而造成的估计概率变化可忽略不计，在朴素贝叶斯分类预测中有重要的意义[7]。

根据拉普拉斯估计算法对原代码进行修改后，所求每个属性特征集合对应的需求概率不再出现0 概率情况。分析数据结果可发现，男性老人中有72.22%认为社工机构需要提供个人生活照料服务，女性老人中有65%认为社工机构不需要提供个人生活照料服务。其中，年龄为50～69 岁，文化程度为大专，居住方式为和子女或成年孙辈一起住，日常生活由自己照顾，每月可承担养老服务费用为800～999 元的老人大多认为没有必要提供个人生活照料服务；年龄为70岁以上，文化程度为小学、高中（中专）、本科和本科以上，婚姻状况为老伴已过世或无婚姻经历，身体健康状况为一般或较差，精神状况为虽然衣食无忧但无事可做常感寂寞无聊、人老体衰烦心事多或身体不好烦心事多，目前还在工作或没工作在家玩，退休前的工作为务农或有正式单位（有退休金），健康护理方面的经济负担一般和很重，每月可承担养老服务费用为300～799 元或1 000 元以上，参加社区活动次数为每年一次或以上或从来不去，目前的困扰为家务事繁重，为后辈事操心和起居生活，饮食卫生无人照料的老人大多认为有必要提供个人生活照料服务。

接着根据老年人不同的个人特征集可预测出老人对个人生活照料服务的需求度。将5 条测试集数据以集合的形式传入predict_features 中。已知这5 个测试集对应的个人生活照料服务的需求情况皆为不需要，为了验证朴素贝叶斯分类预测的正确度，分别将测试集代入Python 中，最后求出的预测结果如表3 所示。

表3 预测个人生活照料服务需求度表

由表3 可知，这5 条测试集的预测结果均更倾向于不需要个人生活照料服务，这与实际情况完全符合，可见该模型预测结果的准确率较高，具有一定的实践意义。

5 结语

通过此次调研发现，许多社工机构都有提供各式各样的养老服务产品，其中不乏与“互联网+”相挂钩的养老产品，但由于社工机构未对老年人的服务满意度状况与养老需求进行合理分析，导致许多养老产品虽已推出却无人问津。为了避免此类情况的发生，本文介绍了如何运用合理的模型来对老年人的养老需求进行准确的分析预测，并给天心区的养老服务社工机构提供以下建议。

针对老年人的信息需求，社区应采取高需求多提供、低需求少提供的形式，有效解决社区老年人所需资源短缺的问题，且在引导老年人向“互联网+”靠拢的同时，应结合老年人兴趣特点，提供一体化、多样化的需求服务，推陈出新，找到适合社区自身发展的道路。

由于老年人对社区医疗设施方面的满意度最低，社区应加快推进“互联网+医疗”方面的相关产品，以保障医疗设施方面的优质资源得以高效使用。

运用朴素贝叶斯的方法，结合物联网大数据和Python在处理数据上的优势，能快速预测出老年人的养老需求，这对各社工机构给老人提供合理的个性化服务具有指导意义。相信通过政府引导，整合社会资源，积极改进智慧养老发展对策，推广优秀养老项目，社工机构可为老年人提供更好的支持和服务。