“互聯網+”社區養老模型構建研究
——以天心區社工機構的項目為例＊

林玉婷，余芹芹，胡 娜，賀 琛

（1.湖南工商大學 數學與統計學院，湖南 長沙 410205；2.湖南工商大學，湖南 長沙 410205）

按照聯合國的傳統標準，一個地區60 歲以上老人達到總人口的10%，該地區即被視為進入老齡化社會。長沙市天心區擁有的65 萬人口中就有10.5 萬是60 周歲及以上老年人，占全區戶籍人口的22.8%。面對嚴峻的形勢，自2013年起，天心區財政為全區獨居、空巢以及困難家庭老人提供兜底式居家養老服務，累計投入近千萬元[1]。然而人口老齡化態勢兇猛，社會養老服務的壓力空前巨大，傳統的養老方式已無法適應中國目前日益膨脹的老齡化現狀[2]。在這樣的背景下，政府嘗試借助“互聯網+”，探索出了一種新的養老模式——“互聯網+社區養老”。

本文通過隨機走訪調查天心區書院路社區和南城社區的老年人獲取基本數據，依據馬斯洛層次理論、二元Logistic回歸模型和樸素貝葉斯原理分別構建出老年人信息需求度模型、老年人社區養老滿意度模型和老年人需求預測模型。希望通過這些模型的構建和分析，可以為天心區社工機構在“互聯網+”養老模式推廣初期的個性化服務提出指導性建議，以期更好滿足老年人的多樣化養老需求。

1 對象與方法

1.1 研究對象

采取隨機抽樣調查方法，抽取長沙市天心區的書院路社區和南城社區的100 名老年人。

樣本選取標準如下：①年齡大于等于50 歲；②居住時間大于等于6 個月；③認知及反應能力正常；④知情同意本次調查。

本次調查所抽取對象的性別分布情況為男性占比41.03%，女性占比58.97%；各年齡層分布情況為50～60 歲占比29.11%，60～70 歲占比43.04%，70～80 歲占比24.05%，80 歲以上占比3.80%；各婚姻狀況分布情況為有老伴的占比84.81%，沒有老伴的占比15.19%，基本符合社區老年人的實際分布情況，調查數據具有代表性。

1.2 研究方法

調研組采取社區走訪調查的方式，共計發放100 份問卷，所收集的問卷數據采用Excel2010 軟件建立數據庫，在經過數據篩選和剔除無效數據后，回收有效問卷79 份。然后將有效數據導入SPSS22 中進行分析，并利用SPSS22 和Python 構建模型。

2 構建老年人信息需求模型

2.1 模型準備

依據馬斯洛需求層次理論[3]對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、自我實現信息需求進行深入分析，將調查問卷中的18 個與信息需求相關的問題歸類于5 個方面，如表1 所示。

表1 18 個問題層次歸類結果

2.2 模型分析

對數據進行分析，可得老年人信息需求分布柱狀圖，如圖1 所示。由圖1 可知，在生理信息需求方面，老年人對社區服務的需求最大，高達73.42%。在安全信息需求方面，老年人對醫療保健知識的需求最大，高達72.15%。在自我實現信息需求方面，老年人對獲得新知識和技能和興趣發展的需求均超過了70%。在情感信息需求方面，老年人對社會文化休閑活動和外出旅有較大需求，其中出行旅游的信息需求高達75.95%。在受尊重信息需求方面，老年人對其他受尊重信息方面的需求最大，高達92.41%。

圖1 老年人信息需求分布柱狀圖

性別差異對社區老年人信息需求的對比分析結果如圖2所示。由圖2 可知，生理信息需求方面，男性和女性對日常護理的需求相當，男性在生活照料方面的需求遠高于女性，女性在社區服務方面的需求高于男性。安全信息需求方面，女性在醫院看病、醫療保健等各方面的需求均高于男性。自我實現信息需求方面，女性在興趣發展和獲取新知識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、社區文化休閑活動和出行旅游方面有較高的需求度，而男性則在其他的陪同散步、心里咨詢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遠高于男性。

圖2 信息需求性別差異柱狀圖

2.3 模型結論

根據上述數據分析可知，社區老年人各需求方面的需求度分別為：生理信息需求度40.82%、安全信息需求度50.95%、自我實現信息需求度68.78%、情感信息需求度55.06%、受尊重信息需求度72.15%。在馬斯洛需求層次理論的基礎上，結合數據以及社區老年人的自身狀況，根據老年人對不同需求的需要程度，可構建出符合天心區書院路社區和南城社區的老年人信息需求度模型，如圖3 所示。

在該信息需求模型中，處于最底層的是受尊重信息需求，表明了社區老年人在受尊重方面的需求最大，同時也反映出尊重老人這一社會需要；其次是自我實現信息需求，體現了老年人在進入老年階段后希望更多的發展自己的興趣愛好，做自己喜歡的事情；然后是情感信息需求和安全信息需求，說明現如今，相較于擔憂個人的身體健康問題，老年人更希望多花些時間參加社會文化休閑活動和出行旅游；最后，處于最頂層的是生理信息需求，其原因是老人認為此類事務大多可以由自己或子女協助完成，不需要額外提供服務。

圖3 書院路及南城社區老年人信息需求模型

3 構建老年人社區養老滿意度模型

3.1 選取模型

滿意度模型作為一種對關注領域進行評估的方法，可以幫助社工機構更好地了解社區老年人對其服務內容的滿意度情況，為社工機構的下一步工作提供明確的行動指南[4]。本文選取二元Logistic 回歸模型來確定影響老年人對社工機構服務滿意度的相關因素，其中各影響因素的選取基于馬斯洛層次理論。對不同滿意度影響因素xi做二元Logistic 回歸，各影響因素之間存在的關系如下式：

式（1）中：P為在xi因素下不同滿意度的概率；i=1，2，3，…。

3.2 確定變量

在研究影響老年人對社工機構滿意度的因素并構建二元Logistic 回歸模型時[5]，所涉及的變量及其對應的編碼如下。

因變量：總體滿意度（10 分及以下=0，10 分以上=1）。

自變量：居住狀態（獨居或空巢=0，與子女同住=1），生活照料（自己=0，他人=1），從事工作（無正式單位=0，有正式單位=1），生活滿意度（不滿意或一般=0，滿意=1）；健康自評（較差或一般=0，健康=1），是否參加興趣小組（否=0，是=1）。

控制變量：性別（男=0，女=1），年齡（65 以下=0，65及以上=1），文化程度（中專以下=0，中專及以上=1），婚姻狀況（其他=0；有老伴=1）。

3.3 數據分析

分別從社區居住環境、社區散步空間、社區醫療設施、社區照料中心服務設施、社區照料中心工作人員服務態度等方面來測度老年人對社區養老服務機構滿意度，并按量表將每項指標分3 個等級來進行打分（不滿意1 分、一般2 分、滿意3 分），然后將各項指標得分相加即可得到總體滿意度評分，當評分大于10 分時表明社區老年人對社工機構的總體服務感到滿意。經過測度評分后，求得的老年人對社工機構的總體滿意度為82.3%，并且老年人對社區居住環境、社區散步空間、社區照料中心服務設施、社區照料中心服務態度的滿意度比較相近，分別為68.4%、64.6%、60.8%、72.2%，其中社區醫療設施的滿意度最低，僅為29.1%。

3.4 模型求解

為了進一步求出老年人對社工機構服務滿意度的影響因素，本文通過運用SPSS 軟件對各變量數據進行Logistic回歸分析，最終求得的結果如表2 所示。

表2 Logistic 回歸模型結果

由表2 可知，每個自變量都影響著老年人對社工機構的滿意度，其中與子女同住、他人照料、退休前有正式單位、生活滿意度高、自我評價身體健康、經常參加興趣小組的老年人，對社工機構的服務更傾向于滿意。并且，從模型結果可看出，控制變量中的文化程度與婚姻狀況也會影響老年人對社工機構的服務的滿意度。

4 構建老年人需求預測模型

4.1 模型選取

傳統的機器學習方法在高維小樣本數據上往往難以達到令人滿意的效果[6]，而貝葉斯方法在高維小樣本上具備較快的分類速度和較高的準確度。并且對于離散的訓練樣本，貝葉斯方法能根據各屬性值對不同分類結果的影響程度進行合理分類，從而達到預測屬性集中屬性取向的可能結果[7]。貝葉斯方法在預測過程中，利用模型信息和樣本數據信息和先驗概率信息，在預測過程中可以保證預測結果的可靠性[8]。

本文所選取的樸素貝葉斯方法是假設各個特征相互獨立的貝葉斯方法，通過這樣的方式，可使數據在分類的過程中更為簡單高效。其中，利用先驗分布π（Di）和條件分布密度P（Xj｜Di）可以求出Di的后驗分布概率P（Dj｜Xi），具體計算公式如下：

4.2 模型求解

在構建模型時，需要將數據劃分為訓練集和測試集，訓練集用于計算出每個屬性的特征集合對應的不同需求的概率，測試集用于驗證預測結果的準確性。而將訓練集數據以集合的形式導入Python 變量后，具體求解過程如下（以個人生活照料服務需求為例）。

首先定義get_count（indexs，attrs）函數計算各屬性不同特征的出現次數，其中indexs 為待比較的索引列表，attrs為待比較的屬性列表。接著根據先驗概率公式編寫Python代碼可計算出：21.62%的老人認為社區需要提供個人生活照料服務，78.38%的老人認為社區沒必要提供個人生活照料服務。

然后通過Python 找出數據中每個屬性的特征集合，并在此基礎上計算出每個屬性特征集合對應的需求概率。由于本文使用的數據集為小樣本數據，導致所求屬性特征集合對應的需求概率會出現部分值為0 的情況，這與樸素貝葉斯中各屬性特征相互獨立的基本假設相違背。為了降低零概率值對分類結果的影響，本文選取拉普拉斯估計算法來校準零概率問題。拉普拉斯校準是通過對各屬性不同取值的計數加1，使得原本值為0 的概率出現較大變化，而造成的估計概率變化可忽略不計，在樸素貝葉斯分類預測中有重要的意義[7]。

根據拉普拉斯估計算法對原代碼進行修改后，所求每個屬性特征集合對應的需求概率不再出現0 概率情況。分析數據結果可發現，男性老人中有72.22%認為社工機構需要提供個人生活照料服務，女性老人中有65%認為社工機構不需要提供個人生活照料服務。其中，年齡為50～69 歲，文化程度為大專，居住方式為和子女或成年孫輩一起住，日常生活由自己照顧，每月可承擔養老服務費用為800～999 元的老人大多認為沒有必要提供個人生活照料服務；年齡為70歲以上，文化程度為小學、高中（中專）、本科和本科以上，婚姻狀況為老伴已過世或無婚姻經歷，身體健康狀況為一般或較差，精神狀況為雖然衣食無憂但無事可做常感寂寞無聊、人老體衰煩心事多或身體不好煩心事多，目前還在工作或沒工作在家玩，退休前的工作為務農或有正式單位（有退休金），健康護理方面的經濟負擔一般和很重，每月可承擔養老服務費用為300～799 元或1 000 元以上，參加社區活動次數為每年一次或以上或從來不去，目前的困擾為家務事繁重，為后輩事操心和起居生活，飲食衛生無人照料的老人大多認為有必要提供個人生活照料服務。

接著根據老年人不同的個人特征集可預測出老人對個人生活照料服務的需求度。將5 條測試集數據以集合的形式傳入predict_features 中。已知這5 個測試集對應的個人生活照料服務的需求情況皆為不需要，為了驗證樸素貝葉斯分類預測的正確度，分別將測試集代入Python 中，最后求出的預測結果如表3 所示。

表3 預測個人生活照料服務需求度表

由表3 可知，這5 條測試集的預測結果均更傾向于不需要個人生活照料服務，這與實際情況完全符合，可見該模型預測結果的準確率較高，具有一定的實踐意義。

5 結語

通過此次調研發現，許多社工機構都有提供各式各樣的養老服務產品，其中不乏與“互聯網+”相掛鉤的養老產品，但由于社工機構未對老年人的服務滿意度狀況與養老需求進行合理分析，導致許多養老產品雖已推出卻無人問津。為了避免此類情況的發生，本文介紹了如何運用合理的模型來對老年人的養老需求進行準確的分析預測，并給天心區的養老服務社工機構提供以下建議。

針對老年人的信息需求，社區應采取高需求多提供、低需求少提供的形式，有效解決社區老年人所需資源短缺的問題，且在引導老年人向“互聯網+”靠攏的同時，應結合老年人興趣特點，提供一體化、多樣化的需求服務，推陳出新，找到適合社區自身發展的道路。

由于老年人對社區醫療設施方面的滿意度最低，社區應加快推進“互聯網+醫療”方面的相關產品，以保障醫療設施方面的優質資源得以高效使用。

運用樸素貝葉斯的方法，結合物聯網大數據和Python在處理數據上的優勢，能快速預測出老年人的養老需求，這對各社工機構給老人提供合理的個性化服務具有指導意義。相信通過政府引導，整合社會資源，積極改進智慧養老發展對策，推廣優秀養老項目，社工機構可為老年人提供更好的支持和服務。