社区文化活动的特征

2024-11-28

社区文化活动的特征（共7篇）

社区文化活动的特征篇1

社区文化是群众文化发展的新形态, 也是社区文明程度的象征。作为一种新兴的文化形态, 必须适应当前社会文化生活客观合理的需求。目前, 社区文化正是在各级文化行政部门的倡导下, 依靠街道办事处, 发动社会力量, 组织社区群众开展各种文化艺术活动和社会文化服务, 来满足社区范围内人民群众多方面的文化需求。

一、社区文化的规模

社区, 通常指现行的行政划分。社区文化, 是具有文化部门协助, 由该社区民众主办文化的性质。所以, 社区文化区域一般不按行政区域划分, 大体是按人们活动方便, 民众意识确定的一个城市自然区域。可以把一个街道居民区的文化视为社区文化, 也可以把几个街道居民区的文化视为社区文化, 还可以把一个住宅小区的文化视为社区文化。社区文化既然是“一片地域”, 那么它的规模就有大有小, 社区内的人群就可能是多种行业的人, 是社区文化活动的积极参与者。

二、社区文化的特征

社区是混杂于多行业人群生活与工作的区域, 构成社会中的一个文化小区域, 人群的复杂性决定人员的复合性, 单一的校园文化、企业文化、广场文化等都可以复合在社区文化之内;但不能简单地说搞好了某一单项文化就是搞好了社区文化, 社区文化是城市的综合文化现象。单一的文化活动, 只具有个体的行业特征, 不具备社区的复合特征。社区文化的复合性, 又决定了它的活动内容和方式的多样性和社区群众文化活动的丰富多彩。

三、社区文化的活动内容

社区文化活动几乎可包括城市群众文化活动的全部内容。但由于每一个社区的条件不同, 文化活动又各有侧重。改革开放后, 城市居民人群结构复杂起来, 人们的多种文化思潮碰撞, 使民众的思想起了相应的变化。就经济而论, 一部分人先富起来成了大款老板, 一部分人还处于相对贫困, 下岗职工增多, 就业矛盾突出, 加剧了民众思想的复杂化。处于贫困状态的群体, 一些人容易产生低落情绪, 对文化活动冷漠, 对前途悲观失望, 正需要催人上进的先进文化活动刺激他们振作起来。处于较为富裕的群体, 容易产生骄妄, 对利欲的追求胜于思想追求, 缺少自我调控, 同样需要先进的文化给予校正。值得注意的是, 这种文化的先进, 不是文化设施的高档, 是指教育导向功能, 寓教于乐的文化高品位, 通过搞各种教育功能强的文化活动, 去占领社区民众的思想阵地, 提高民众自觉抵制不良行为侵蚀的能力, 给民众创造一个美好

社区文化的群众文艺创作, 也要面对社区的实际情况, 创造性地确定文化活动的内容和方式, 深入到社区民众中去, 了解群众的真实生活, 创作和演出贴进他们生活的作品。组织群众能够自觉参与活动, 着力开展有效的各种社区文化活动, 安定一方, 树立正气, 弘扬民族精神。

社区文化不可忽视老年文化活动。随着时代的发展, 生活条件, 卫生条件, 医疗条件的改善进步, 人们的平均寿命增大, 老年人群体增多, 社区老年文化活动应占较大比例。在别的文化活动中, 老年人因身体关系参加活动较少, 社区文化要针对老年人的特点, 举办些老年读书, 老年休闲娱乐, 老年健身运动, 老年心理卫生, 老年琴棋书画, 老年文艺小型演出等活动, 都是社会文化活动的内容之一。

四、社区文化的联手共建

社区文化的活动的参与者和受益者都是该社区人, 所以社区文化一般不是政府行为的国办主体文化。如果这个社区是一个行政居民区, 组织发动文化活动相对容易;如果这个社区是复合区, 组织活动就要有相关的人大力配合。由于社区地域相对较小, 人力物力财力都有限, 需要多方相助的联手共建行为。

一个城市里的大型文化标志性建筑, 如风景点、广场、雕塑等, 尽管坐落在某个社区, 但并不属于这个社区的文化设施。社区文化的建设投入, 除政府必要的投资, 更多的经费是社区自筹和找企业厂家商家赞助。每一个社区经济实力不同, 设施建设就要考虑不要搞大而全, 要综合利用场所, 根据自己的财力决定项目。要立足于长期活动, 长期受益, 花较少的钱办较多的事。根据社区的文化队伍状况, 扬长避短, 搞自己能承受的活动。

城市的每一个社区都有自己的强项, 这个社区的文艺演出队伍整齐, 那个社区的创作队伍可能见长, 取长补短, 联手开展活动, 可以促进人才交流, 作品上档次, 扩大相互的影响。还可搞社区之间的文艺比赛, 专题性演讲比赛, 知识竞赛等活动。

在一个社区里通常有多种行业和单位, 组织者可以与商家、厂家和单位联合, 搞经贸专项宣传, 利用附近的场地和人才, 促进当地的经济发展。

总之, 社区文化是城市社区内综合性的文化, 涉及的人和事都很广泛, 有组织地开展好此项活动, 把社区民众的思想向正确的轨道上引进, 是新时期城市群众文化工作中的一项重要内容。集小胜于大胜, 个体、集体、国办文化多元发展,

浅谈社区文化的发展特征篇2

一、社区文化服务机制的多样化

随着市场经济的发展, 人们对文化的需求发生了很大的变化, 由过去单一的兴趣爱好转变为追求高质量的生活。特别是近年来城区建设日新月异, 群众文化活动逐步以居民小区为载体, 向社区文化方向发展。

1、建设社区文化组织体系

城市建设不断发展, 人群生活集中、复杂, 已成为城市现代化建设的主要矛盾。因此, 社区文化建设应纳入城市建设的总体要求下加以考虑, 应与城市建设同步。健全自上而下的组织系统, 制定相应的法规制度, 量化工作指示, 配置高素质的管理人才。采取社区自治, 使社区文化具有广泛的参与性、活动经常性、形式多样性、严密组织性。定期开展群众喜闻乐见的、体现娱乐健身的街头、广场文体活动, 积极开辟具有高雅特点的英语角、书画角、棋类角、戏曲角等活动场所, 引导居民向这方面发展。还要从社区的实际出发, 想方设法使用社区的文化资源, 开展包括利用社区文化名人和社区文化资源等各类活动。

2、建立社区文化需求的服务体系

处于最基层的社区, 聚集着不同的群体和不同文化素质, 构成了社区文化的总体形象。加强社区服务体系, 运用市场化的运作方式, 解决人民群众的各种生活不便和消费要求, 满足人民群众精神文明生活需求, 提高人民群众的思想道德水准, 是社区文化服务体系的主要内容之一。通过开展各种文化娱乐活动, 提高社区居民的审美情趣。活动模式上接近生活、贴近老百姓。用新的思路、新的理念, 极大地发挥社区人们的积极性、创造性, 建立起体现社区人的主体要求的自主管理的服务体系。增强社区文化服务的特色, 形成社区文化服务优势, 使社区文化的整体实力和人们的文化生活整体上达到较高的水平。

3、建设社区文化发展的管理体系

社区建设是对基层文化建设从理论到实践的全面探索, 必须建立一整套随着城市发展, 在市场经济条件下和群众文化需求相适应的管理体系, 才能使社区文化形成自我发展的坚实基础, 打造一种适合不同特色, 不同层次的社区精神。

二、社区文化设施建设的全员性

社区文化建设, 重在长期建设, 并要突出重点, 协调发展。社区文化的设施包括社区所辖的文化设施、文化馆、图书馆、影剧院、文化中心、文化广场、艺术学校、艺术培训中心、绿地等, 也包括社区所辖的优秀人才以及社区的文化生态环境等。实现社区文化的设施整合, 使其优化配置, 达到共享、共用, 以解决文化经费、设施、人才等问题。做到设施互利, 人才互通, 活动互融, 文化资源得到合理利用。

三、社区文化活动的广泛性

随着人民参与意识增强, 社区文化活动日趋规范化、系统化。活动范围越来越广泛, 活动水平越来越高, 参与人数与日俱增。广场文化、家庭文化、楼院文化、校园艺术节、健康舞、大秧歌、趣味运动会、书法、美术、摄影展等一系列贴近人民群众现实生活、形式多样、内容丰富的活动各具特色, 形成品牌, 满足了人们日益增长的文化需求和精神需要。近年来, 社区居民参与群众性的文化活动, 有效地提高了社区文化艺术水平, 在弘扬社会正气、提高群众素质、促进社会稳定等方面发挥了重要作用。各级政府举办的社区文化节、艺术节、赛事等活动, 已成为丰富和繁荣居民文化生活的重要活动方式。社区文化活动涉及面广, 直接贴近群众。我们要把社区文化活动办得既有规模, 又有层次, 使高雅艺术与大众文化有机地结合在一起, 使社区文化朝多样化势头发展。各种群众文化活动共同发展, 多层次、多样化的社区文化活动, 积极地丰富了社区居民的业余文化生活, 愉悦了身心, 增长了知识, 陶冶了情操, 展示了才华, 多侧面反映出社区的新风景、新风貌、新气象, 充分展示社区内的温馨和谐, 提高人民意识, 真正达到广大人民群众的审美心理需求。

四、社区文化骨干队伍建设的迫切性

社区文化产业:特征、走向及策略篇3

当前我国社区文化产业整体上处于“自发性、粗放性”发展状态。社区文化产业尚未进入各级政府决策部门与学术界的视野, 政策规划及其配套措施基本上处于空白状态。当前对社区文化产业的通俗理解仅仅是指借助于社区的物质区位平台, 开展的文化产业经营活动。严格意义上说, 社区文化产业尚未成为一个具备典型群体性特征与边界设置的文化产业门类, 整体上处于自发孕育、发展阶段。社区文化产业总量少、层次低、门类单一。根据笔者在浙江经济相对发达的杭州、宁波、嘉兴、金华等地区的调研结果, 平均2—3个社区才只有一家从事社区文化产业经营的企业, 经营内容主要是集中在文艺培训与演出、文化产品服务与贸易等门类, 与社区区位环境的内在逻辑关联性不强, 发展特征与优势不明显。社区文化企业管理粗放, 基本上仍处于家庭作坊式的简单管理模式下, 运行绩效不佳, 经营决策随意大, 品牌意识缺乏, 整体经营水平亟待提升。

二、社区文化产业的特征及优势

社区文化产业依附于社区独特的文化土壤、生态环境与市场空间, 发展与社区群众日常生活、社区建设密切相关的文化产业门类与产业形态, 形成与社区公益性文化事业发展互为补充、互为促进的良性发展局面, 增强社区文化的自我造血能力, 实现可持续发展。

根据当前我国社区所承载的政治社会及文化职能, 社区文化产业的首要特征是服务面向的“定向性”, 它始终以开掘社区文化市场潜力、服务社区受众为指向, 以提升社区文化建设发展水平为使命。特殊的服务面向决定了社区文化产业发展必须以区域经济文化发展水平、社区受众的文化构成与消费特征作为基本立足点, 开发适销对路、具备本土附着性的文化产业形态, 形成具有独特竞争力的文化产业门类;社区文化产业的第二个特征是经营模式的“灵活性”, 文化产业在社区的“生根发芽”, “社区”概念的凸显, 并不意味其经营一定是小规模、粗放自给型的。在发展“小而精、小而特”的社区特色文化企业的同时, 可以积极尝试构建集约化的经营模式, 提炼社区文化龙头产业, 形成跨社区的产业布局与覆盖, 塑造社区文化产业品牌。“灵活性”将有助于建构具有极强适应性、多层次、立体化的社区文化产业经营模式。三是发展动力的多点驱动性与发展效益的多元辐射性。社区文化产业借助于社区这个独特平台, 吸纳、承接、转化与整合多种社会发展要素, 优化资源配置。比如它既可以承接大学生创业项目和下岗职工再就业项目, 分担社会转型压力, 同时也可以作为大型文化产业公司区域渗透布局的一部分, 实现对新兴市场的开发与占领;它既可以实现文化产业触角的全新伸展, 丰富文化产业门类, 填补区域空白, 又可以给予社区文化事业的运行与发展新的要素、新的动力与启示。

三、社区文化产业可持续发展的策略

一是加强对社区文化产业发展的规划及其理论研究。一项新兴文化产业门类的成长有赖于在政策层面给予其良好的要素供给。当前, 各级政府职能部门要把社区文化产业纳入文化产业发展整体布局统筹规划, 根据区域经济文化发展水平、地区文化产业整体发展布局与定位、社区居民文化层次、审美爱好特征等, 编制社区文化产业发展规划, 明确社区文化产业发展的目标、原则以及具体的举措等。在发展规划的编制中, 要充分注重凝练社区特色与品牌, 立足社区文化层次结构与潜在文化消费能力与消费热点的开发等, 提炼和形成社区特色文化产业门类。比如在浙江的下沙高教园区社区, 集中居住着几万名高校教师, 他们相对文化层次较高、文化诉求丰富, 对于生活品质有着较高的期待。在社区发展的文化具有一定层次、贴近式服务的养生与休闲的文化产业具备良好的基础。要注重与其他文化产业门类的错位布局。避免社区文化产业盲目延伸边界, 发展与社区区位环境相脱离的文化产业门类, 使其背离社区的特殊文化土壤与服务面向, 失去可持续发展的“水土支持”。要科学设计发展规模、发展效益等指标, 处理好短期目标与中长期目标之间的衔接性, 允许“探索”与“试错”, 留足空间余量。作为一项新兴产业门类, 其发展的目标、定位及其路径都有待在实施过程中予以不断完善, 规划编制中各项指标设计的相对保守性存在着一定的必要性。要注重发挥好规划的宏观调控功能, 加强对项目立项审批的把关, 避免“一激励就群起发展”等现象的出现。

将社区文化产业纳入区域文化产业发展规划的一个首要意义是, 这种产业门类正式进入了政府决策部门的视野, 使其能以适当的权重体现在文化产业发展的综合布局考量中, 带动配套政策的建立与完善, 有效填补市场门类的空白, 在为社区居民提供高质量文化服务的同时形成文化产业发展新的增长点。应该鼓励在条件相对成熟的地区建立若干个“社区文化产业发展试验区”, 在实践中更好地积累经验, 探索路径。高等院校与相关科研机构要加强社区文化产业发展模式与发展路径的研究, 对社区文化产业的发展模式、赢利机制、要素供给等开展对策性研究, 为其可持续发展提供强有力的理论支持。

二是加强社区文化产业综合配套服务体系的建设。要建立社区文化产业发展的综合协调机构, 负责社区文化产业发展过程中匹配性政策的设计、协调与处理发展进程中存在的问题等。区别于其他文化产业门类, 社区文化产业具有更强的区位依赖色彩。在社区文化产业发展协调机构的组成单位中, 除开文化产业发展主管部门、相关金融机构外, 要更加注重街道、社区等属地单位作用的发挥, 加强与所在区域高校及社会保障部门的联系, 建立常态化的定期联络机制, 更好地统筹协调大学生创业项目、下岗职工再就业项目的遴选与落地事宜等。通过综合协调机构的建设, 更好地引领方向、明确权责。要加强配套政策体系及中介服务平台的建设。完善高层次人才落户、人力资源转化与培育等各项优惠政策, 在将高层次人才纳入区域人才培养规划兑现相关待遇的同时, 根据社区工作实际, 适当给予其一定的社区创业基金支持。通过高层次人才的引进及智力因素的开发, 努力建设若干个业态模式新颖、具备发展潜力的社区文化产业品牌。同时, 通过人力资源培训等, 提升社区文化产业从业者的基础素质, 建设一批主业经营清晰、管理科学、运行良好的社区文化企业。以人力资源建设为趋导, 最终形成融合多种层次、多种经营模式的社区文化产业布局。建立多元资金投入机制, 借鉴国家对中小企业发放小额贷款等扶持政策, 进一步加强对社区文化企业的金融支持力度, 同时整合政府及民营资本的力量, 扩大创业启动基金、风险投资基金等的规模, 建立社区文化产业定向扶持机制。根据项目的内在质量, 提供多种形式的金融支持, 更好地惠及社区文化企业。在文化相对发达与经济基础较好的地区, 可以尝试建立专门的“社区文化产业发展基金”, 对于社区文化产业的项目孵化、培育进行对口扶持。完善法律、会计、网络平台、交通设施等软硬件设施的建设, 优化中介服务配套体系, 为社区文化企业的发展提供良好的环境。当前尤其是要根据社区文化企业经营项目、服务内容与社区受众贴近性、对口性明显、较易复制经营模式、形成同质化竞争的特点, 做好特色社区文化品牌的保护工作, 防止同类业态的简单克隆与扩张, 建立起良好的行业运行规则。要结合城市改造, 将社区文化产业发展与城市功能区块调整统筹考虑, 尤其是要关注城市化进程推进过程中, 城乡结合部改建以及农村新社区建设带来的潜在机遇与市场, 把握城市新居民的文化诉求与审美特点, 开发新兴的社区文化产业门类。

三是创新社区文化产业的经营业态与经营模式。经营理念、经营业态与模式最终决定着社区文化产业的发展质量。在社区文化产业发展中, 我们首先强调治理结构的现代化, 这是所有社区文化企业面临的共同课题。只有正视和改变当前绝大多数社区文化企业发展中存在的粗放式经营、低水平松散式管理等现状, 社区文化企业才具备可持续发展的内在机制条件。二是尊重和维护社区文化企业的多元复合性。基于社区的多层次服务面向定位, 既鼓励高端、新型、附加值高的社区文化产业形态发展, 比如社区高端文化休闲业、养生保健咨询业等, 也积极倡导普及层次的社区文化表演娱乐、文化观赏业的发展;同时创造条件, 发展社区特色手工产品、创意产品制作, 特色文化内容资源整理与开发等产业。既鼓励建立规模适度、对市场反映灵敏、集约精悍型的社区文化企业, 也尝试创造条件组建跨社区、跨地区的连锁文化企业;既鼓励以新创办企业的形式从事社区文化产业经营, 也探索对符合条件的原有公益性文化事业单位进行改制, 转化为经营性文化实体的可能性;既鼓励具有较高层次、智力密集的创新项目引领社区文化产业发展, 也允许符合条件的大学生创业项目、下岗职工再就业项目投身社区文化产业发展浪潮, 满足社区建设与发展、社区受众多层次的文化物质与精神需求。三是萃取和提炼社区文化企业的核心竞争力。对于不同类型企业而言, 核心竞争力有着完全不一样的解读。对于社区从事经营性活动的文化企业而言, 其核心竞争力是与社区内在文化需求与市场结构紧密契合的产业形态。这种产业形态包括主业经营内容、经营理念、经营方式等与社区受众需求的匹配性, 使得社区文化产业发展深深介入到社区受众的深层文化心理满足与社区发展与运行中, 形成融合精神与物质层次的“紧密型、一体化”发展格局。这种产业形态具备较强的水土附着性, 很难被复制, 与社区公益性文化事业的发展形成有效的互为补充、互为合作关系, 改变传统的单一政府投入发展社区公益性文化企业的模式, 增强社区文化企业的自我造血能力, 进而构建具备自我发展性、良好成长性的新型社区文化发展机制, 更好地满足社区受众的精神与物质文化需求。

社区商业设计的体系化特征篇4

1. 体系化的开发特征与设计环节

社区商业具有属地性、基础性、辐射性、集成性的特征。其体系化的开发特征表现为:项目开发与运营的工程体系化:提倡整体考虑、分步实施, 专业协同以及项目的整体性操作性。充分分析当地条件和市场环境, 准确定位目标客户和商业规模, 确定开发模式和节奏, 考虑确定营销模式、运营模式等。社区商业应将前期商业策划做好的基础上, 进行设计与建设。招商在前, 建设在后。具体到社区商业的设计环节中, 社区商业的前期定位、总体规划布局以及建筑环境营造方面都体现了体系化的思维与运做特征。

2. 主题与功能定位的体系化

主题定位包括目标市场、功能、特色与规模定位等。宝山上大弘基文化休闲广场的商业定位首先考虑将大学生中低档次的特色餐饮、日常娱乐作为主要的业态聚集类型, 采用二层外廊式空间结构, 空间内部形成核心交往广场, 通过两条步街将内部休闲环境与城市相沟通。处于城市RBD区的社区商业的业态组合与定位当以城市文化重建与精品业态塑造为核心。上海的太平桥地区新天地就营造了以历史人文为依托, 以满足高端时尚休闲消费需求为特色的城市场所, 体现了文化的独一性和不可复制性。

主力店与经营散户是锚与船的关系。在不同的城市区位, 主力店的定位受到当地市场购买倾向, 品牌主力店推崇度, 整体商业消费定位等因素制约, 因此引入具有地区性。证大大拇指广场引进了家乐福;上海浦东正大广场引入易初莲花超市后经营状况得到极大改善, 龙之梦购物中心在调换超市的经营主体后也扭转了经营困境。南京的水游城设计全部以连锁品牌替代大的主力店入驻, 以特色化的景观营造赢得了商业成功。

明确的主题依赖于业态经营的结构平衡, 成功的业态配比是整个定位中另外一个关键性环节。上海西郊百联购物中心是以零售为主的“一站式”购物中心, 引入了百货、卖场等主力店;梅隆镇新都会以社区的生活时尚中心定位, 强调餐饮、娱乐的休闲作用, 主要满足聚会、健身、娱乐、文化等精神方面的消费。无论商业最终定位于怎样的主题, 都体现出风险与赢利的平衡。

立足于城市区域功能的回应, 社区商业在定位过程中, 注重将稀缺性业态和特色化业态整合到产业链中, 形成产品的亮点。浦东联洋社区的证大大拇指广场注重文化附加值, 除引进常规零售主力店外, 还引进了廊桥创意服饰、创意家居, 证大艺术馆等与创意、艺术元素关联度较强的业态。“海上海”兴建了三大标志性的文化艺术运营中心:海上讲堂、海上剧场、海上展馆, 成为文化地产的标志性精神产物之一。

3. 业态布局的体系化策略

适宜的建筑密度对整体商业氛围的营造至关重要。过高的建筑密度不利于舒适性与人性化的环境品质创造, 但过低的容积率也不利于商业连续步街的形成。不同的商铺对空间的开放程度要求不同, 品牌店与专业店需要较为开阔的对外空间, 而特色店需要突出内敛特质。海上海以独创的店铺组合, 结合人性化的曲折步道体系, 创造了体验式创意商业街的主题。大宁国际商业中心设置了两套交通体系, 外围交通服务于公共机动交通, 内部的步街体系尺度宜人, 业态设置迎合布局特征, 还原了传统街区尺度的都市漫步。

4. 环境营造的体系化

社区商业的露天组团式发展格局为购物者创造了公共性极强的共享空间。西郊百联购物中心以组团式空间发展模式创造了中央风情广场, 也适应聚集的餐饮、购物业态在空间使用上的要求。北斗星?商业广场在设计中从满足集购物、娱乐、休闲、餐饮四大功能于一体的功能需求出发, 形成了不同形态的四个开敞中庭与一个顶棚采光的商业内街。梅龙镇新都会紧密围绕有餐饮、酒店、办公、健身游泳四大功能, 将功能布局划分成九大建筑体块;各自相对独立的体块之间通过扭转、拼贴等手法形成不规则的空间张力, 形成了适合于交往与休闲氛围的室外广场与庭院, 并随着步移景换, 空间变换着功能。

随着我国社会经济的发展进步, 社区商业将逐步走向集中独立、组团化的发展道路。社区商业还应当继续加大品牌深度与产品广度, 均衡互补, 相互促进;实行统一的服务监督与物业管理。社区商业的体系化设计本质上是投资者、开发者、管理者与消费者四方共赢的结果, 一个成功的设计模式固然重要, 而围绕这一设计模式做建立起的各专业协同工作的体系化整合运做平台, 才是当前市场应努力发展的方向。

摘要：文章通过对新型市场环境下的社区商业体系化设计的研究, 从前期定位的体系化, 空间业态规划布局的体系化、环境营造的体系化策略三方面结合实例进行深入分析, 认为建立在全局统筹基础上的体系化设计策略是社区商业设计成功的保障。

关键词：社区商业,体系化设计,前期定位,空间布局,环境营造

参考文献

[1]喻颖正:《社区商业开发运营指南》、暨南大学出版社, 2005年

社区老年人的心理特征与健康教育篇5

随着科学技术的发展, 人们生活水平的不断提高, 人的寿命越来越长。1999年国家统计局公布, 我国60岁及以上人口达到总人口数的10%, 标志着我国进入老年型国家。随着年龄的增长, 机体在结构和生理功能方面呈现不同程度的退行性改变, 对环境适应能力逐渐减退, 容易罹患各种慢性疾病, 同时老年人面临着离退休、收入减少、社会地位改变、子女离家、配偶和朋友死亡等诸多方面的重大生活改变, 在适应这些变化的过程中, 常会出现一些特殊的心理变化, 严重影响老年人的身心健康, 因此, 必须对社区老年人进行心理指导及健康教育, 以提高其生活质量、延长寿命。

1 老年人的心理特征

1.1 正常的认知老化

正常老年人随着年龄增长, 认知功能出现不同程度的老化如感知觉下降、记忆力减退、思维衰退、智力下降等, 做事常出错, 见到熟人叫不出姓名, 自叹不如当年, 逐渐失去自信。

1.2 社会角色改变引起的离退休综合征

老年人离退休后不能适应证新的社会角色、生活环境和生活方式的变化, 而出现焦虑、抑郁、悲哀、恐惧等消极情绪。

1.3 孤独寂寞、抑郁伤感

空巢老人常要担心生活的照料问题与疾病的医护问题, 容易出现无助感等消极情绪, 在感情上失去支柱, 因而变得孤独寂寞、抑郁伤感。

1.4 疾病缠身, 焦虑急躁

随着生理功能衰退, 疾病显著增加, 一旦患上某种疾病, 会产生焦虑、恐惧、悲观、失望, 尤其患有功能残疾、偏瘫、脑血管后遗症等, 这种精神状态不利于对疾病的治疗, 还会加速疾病的发展。

1.5 生活压力

有些老年人由于经济比较困难, 感到生活有压力, 表现为焦虑、烦恼、没有安全感。

2 健康教育

2.1 保持良好的心态

指导老年人做好心理保健, 树立科学的健康观和乐观向上的人生态度, 心胸开阔、乐观豁达、自得其乐、知足常乐, 保持良好的情绪、情感, 摆脱困境, 达到心理平衡。

2.2 调整其社会角色的转变

老年人应顺其自然, 随遇而安, 正视现实, 接受转变, 重新设计和安排自己的生活, 可根据自己的实际情况多参与一些有益的社会活动, 做一些力所能及的工作, 发挥潜能, 实现自我价值;要善于学习、培养爱好、扩大社交, 丰富和充实自己的生活, 排解孤独、寂寞;生活规律, 劳逸结合, 控制自己的情绪, 做到知足常乐, 安享晚年。

2.3 生活方式指导

2.3.1 平衡膳食, 戒烟限酒

适当限制热量摄入, 保证优质蛋白质、低脂、低糖、低盐、高维生素食物, 适量补充钙、铁。每日1袋牛奶 (250 mL左右) , 主食250 g～300g , 注意粗细搭配;每日3份高蛋白质食物, 每份为瘦肉50g或鸡蛋1个, 或豆腐100 g, 或鱼虾100 g, 以鱼类、豆类蛋白为宜, 少吃或不吃肥肉及动物内脏;减少做菜用油, 每天25 g左右, 应选择含饱和脂肪酸较少的植物油, 少用或不用动物油;每日食盐摄入量不超过5g;每日摄入400 g～500 g新鲜蔬菜和100 g～200 g水果;食物宜温热、细、软、松, 忌食生冷食物, 饮食宜少量多餐, 避免暴食暴饮或过饥过饱, 每日3餐～5餐, 每餐七八分饱。

2.3.2 合理运动

活动可促进人体新陈代谢, 增强和改善机体的功能, 提高抵抗力, 延缓衰老, 另外, 活动还可丰富老年人的生活, 调动积极情绪, 有利于身心健康, 但是要尽量避免剧烈或竞争性的活动, 可根据自己的具体情况选择, 如快走、慢跑、太极拳、气功、跳舞、游泳、骑车、登山等活动项目。活动要循序渐进, 持之以恒, 每周5 d, 每天1次～2次, 每次30 min左右, 每天运动总时间不超过2 h为宜, 活动后的心率以170减年龄较合适。注意:饭后不宜立即运动, 因运动可减少消化系统的血液供应, 兴奋交感神经而抑制消化功能, 从而影响消化吸收, 甚至导致消化系统疾病;年老体弱、患有多种慢性病者应在医生指导下进行活动, 以免发生意外;患急性病、出现心绞痛、呼吸困难、精神受到刺激时, 应暂停活动。

2.4 用药指导

2.4.1 保证药效, 减少药物不良反应

了解相关病史和用药史, 避免重复或叠加用药;强调简单用药的原则, 此外, 应根据老年人药代动力学特点, 酌情减少剂量;密切观察用药反应, 对于个体差异大、肝肾功能对药物代谢影响大、有效药物浓度范围狭窄的药物, 如茶碱、地高辛、利多卡因、阿米替林、庆大霉素、水杨酸等应密切监测血药浓度。

2.4.2 提高老年人用药依从性[1]

尽量减少用药种类和次数;指导老人采取防止漏服、错服的措施如将剂量、次数等用大号字体标记, 用小药盒把每次应服药物配好, 放置在易于取用的地方;解释用药方法、剂量和注意事项, 使其掌握正确的用药方法;长期用药时应注意选择经济条件允许的药物。

2.4.3 合理使用保健药

应根据具体疾病、个体差异等综合因素选择药物, 合适的药物就是最好的药物;在使用非处方药时, 应在药师的指导下, 以避免重复用药;理性用药, 避免在没有明确适应的情况下随意用药。

2.5 疾病预防

建立健康档案, 为老年人定期测血压, 监测血糖, 对重点人群进行健康干预。定期举办健康知识讲座, 发放健康教育手册, 讲解慢性病的防治知识, 提高老年人自我保护知识, 预防疾病, 促进健康, 提高生活质量。指导老年人交通安全、意外伤害的防护和自救。

参考文献

社区文化活动的特征篇6

为了解决远程教育不可避免地产生的“孤独”学习者的问题, 把具有相同学习兴趣的学习者组织到同一个学习社区中, 以帮助他们进行协作式学习。社区对应于英文单词“community”, 社区是指生活在一定地理区域内, 具有共同意识和共同利益的社会群体, 具有共同兴趣的一群人。当社区所属的物理空间变成了网络空间, 便成为所谓的虚拟社区。虚拟社区由具有共同兴趣的参与者组成, 参与者通过网络进行互动交流, 寻找到一群彼此兴趣相投的伙伴, 并能够共同讨论一定程度和意义的主题。

目前国内外对教育虚拟社区的研究主要集中在基础研究, 探索虚拟社区的基本原理, 包括虚拟社区的概念、定义、原理和模式, 如Hope N.Tillman提出了教育虚拟社区的定义、特征、类型、社区服务、创建策略和交往发生等问题[1]; Amy Jokim博士 (2000) 提出建立社区的九大策略[2]。而对虚拟社区技术发展研究以支撑虚拟社区的成长, 包括在虚拟社区使用的工具及其技术潜力, 探讨如何构建虚拟社区方面的研究较少。本文讨论的则是对于网络上的学习者如何构建兴趣型的学习社区, 让学习者在社区内进行协同学习。建立兴趣型的学习社区的基本思想是首先根据学习者的相关数据计算学习者的兴趣向量, 即根据兴趣的隐性表示获取对应的显式表示, 然后根据学习者的兴趣向量计算两两学习者之间的兴趣匹配度, 并计算学习者的匹配浓度, 最后按照一定的方法建立学习社区。本文通过对学习社区特性的具体分析, 提出了基于本体的向量空间模型, 并根据兴趣相似度的思想, 提出了一种基于学习者兴趣相似匹配度和学习者兴趣相似匹配浓度的学习社区的自组织算法。最后的算例分析表明该模型算法具有较高的效率和良好的扩展性。

向量空间模型在当今文本处理、文本挖掘领域占有重要的地位。向量空间模型可以用在文档空间的相似比较也可以用在段落空间的比较以及句与句间的比较[3]。许多的搜索引擎都曾使用这种模型来分类网络文档。传统的向量空间模型有术语间语义相关性被忽略的不足, 许多学者将概念间的语义相关性考虑进来, 例如潜在语义索引法[4,5], 语言概念化法, 基于辞典或分类[6]等方法, 但是这些方法中考虑的概念关系简单而稀少。我们采用语义网络技术为信息提取提供共享的知识背景, 也就是本体, 在本体的支持下, 兴趣描述信息项中语义相关的术语不再被孤立地看成关键词, 而是彼此间有了一定的语义联系, 通过有限本体图计算概念间的语义相关度, 克服了传统的向量空间模型中术语间语义相关性被忽略的缺点, 这种考虑了术语间潜在语义联系的方法能够提高兴趣相似性比较的精确程度。基于本体的信息提取系统, 其向量空间的维数依赖于本体中实体的数量。随着本体概念的增加, 向量空间的高维数带来计算上的难度与复杂性。现有的解决方法包括随机映射 (RP) [7,8], 隐含语义分析 (LSA) [9,10], 概念索引 (CI) 降维[11]等等。本文将概念索引降维法改进运用于兴趣特征降维, 对兴趣特征矩阵进行合理的降维处理, 然后进行匹配计算, 大大降低运算量, 提高算法效率。下面将详细介绍相关概念和算法。

2 基于本体的向量空间模型

2.1 定义

本体最早是一个哲学上的概念, 近年来, 本体被人工智能领域的学者借用, 来表示更高层次的概念, 尽管不存在本体的精确定义, 但是从内涵上来看, 不同研究者对于本体的认识是统一的, 都把本体看成概念化的语义, 为人、机器间进行交流提供语义基础, 即本体提供一种明确定义的共享知识, 目标是让机器自动处理、整合网络信息。

网络上获得的信息 (网络文档、段落、句子、自然语言查询语句等) 组成信息对象集合D={di|1≤i≤M}, M为信息对象的总数。根据向量空间模型, 每条信息di都可以用一个特征向量v (s) =[s1, s2, …, sN]来表示。si与本体中的概念ci对应, 表示某个信息对象中术语ci的权重。所有的信息对象表示成的特征向量就构成了向量空间V={v1 (s) , v2 (s) , …, vM (s) }。向量空间的维数等于本体构成的知识论域空间的维数N.

2.2 有限本体图

本体表示的是结构化的知识, 具有自然的层次结构, 从图论的角度, 本体可以表示成一张图G={V, Edg}, 节点集合V对应于本体中实体的集合{c1, c2, …, cN}, 并且节点与实体存在着一对一的映射关系:vi∈V↔ci, i=1, 2, …, N, 因此可以使用V (ci) 表示图的节点vi.边edgi= (u, v) 连接节点u∈V和节点v∈V, 边集合Edg对应于本体中的关系集合R:edg↔ri∈Ri, i=1, 2, …, N, 因此可以用edg (V (ci) , V (cj) ) 表示图中的边。将上面的图形定义为本体图。

通过对本体图进行约束, 例如对关系的约束, 获得有限本体图。通过适当的约束, 使我们能够抛开次要问题, 集中解决主要问题。基于本体的向量空间模型中的术语对应于本体中的概念, 本体中的概念的语义相关性度量, 通过基于有限本体图的语义距离计算获得。本体可以表示成有限本体图, 有限本体图是有向无环图, 其拓扑有序, 表现出层次结构。所以按照层次遍历的“Breadth-First”算法 (类似于树图中的广度优先的遍历方法) 扫描有限本体图, 建立本体中的概念的索引表。概念索引表层次关系明显, 高层次的概念索引号在低层次的概念索引号的前面, 并且相连的兄弟概念排列在一起, 利用这样的特征能够简化语义距离的计算方法, 不需多次扫描概念图, 便于基于本体的自然语言文本的处理。

2.3 语义距离和语义相关度

语义距离是一种度量对象 (概念、词汇和句子) 间语义相似程度的概念, 其数值表示形式通常是[0, ∞]间的实数。语义距离的定义要根据系统模型来确定, 尚不存在具有普适性的语义距离的定义, 每个人都可以根据实际应用的需要定义语义距离, 由此出现了很多的语义距离定义方法, 如虚拟距离法、层次距离法等。语义距离与语义相关度成反比关系, 例如两个概念间的语义距离越大, 它们的语义相关度越低, 反之, 距离越小, 相关度越大。语义相关度是一个强主观性的概念, 与具体的应用相关, 因此也很难获得一个统一的定义。考虑到本体可以表示成有限本体图, 我们将基于图形最短路径法计算语义距离。

有限本体图上的节点与本体中的类/概念一一对应, 对于本体中概念的集合Oc={c1, c2, …, cn}, 语义距离函数d:Oc×Oc→R是一个二元映射, 并且满足:①非负性:d (cx, cy) ≥0;②同一性:d (cx, cy) =0当且仅当cx≡cy;③对称性:d (cx, cy) =d (cy, cx) ;④三角不等性:d (cx, cy) ≤d (cx, cz) +d (cz, cy) 。所以语义距离空间构成度量空间, 称d是Oc上的度量函数记为 (Oc, d) 。通过语义距离矩阵描述该度量空间。

定义1 对于有限本体空间图上的任意节点V (cx) 到其自身的语义距离为0, d (V (cx) , V (cx) ) =0。

定义2 对于有限本体图上的任意节点V (cx) 和节点V (cy) , 如果存在通路, 那么定义语义距离为两节点间的最短路径长度d (V (cx) , V (cy) ) =min (pathLengthi (V (cx) , V (cy) ) ) 。

定义3 对于有限本体图上的任意节点V (cx) 和节点V (cy) , 存在直接的连接 (即∃edg (V (cx) , V (cy) ) ) , 如果两者间的关系是父子关系 (SubClassOf) , 那么定义语义距离为d (V (cx) , V (cy) ) =1;如果两者间的关系是对象属性关系 (ObjectProperty) , 那么定义语义距离为d (V (cx) , V (cy) ) =2。

根据前面基于图形的语义距离的计算方法, 将本体概念间的语义距离用矩阵表示, 获得语义距离矩阵:

$D i s Μ (Ο_{c}) = [\begin{matrix} 0 & d (c_{1}, c_{2}) & \dots & d (c_{1}, c_{Ν}) \\ d (c_{2}, c_{1}) & 0 & \dots & d (c_{2}, c_{Ν}) \\ \dots \\ d (c_{Ν}, c_{1}) & d (c_{Ν}, c_{2}) & \dots & 0 \end{matrix}] (1)$

语义距离矩阵的维数N对应于本体中的类概念数, 元素d (ci, cj) 表示术语ci到术语cj的语义距离。

语义距离与语义相关程度间存在着逆关系, 即语义距离越大, 相关程度越小。给出由语义距离计算语义相关度的公式r (ci, cj) =e-α·d (ci, cj) , 其中d (ci, cj) 对应于式 (1) 中概念ci和cj间的语义距离值, α表示陡度系数。此公式满足语义距离与语义相关程度间的对应关系:①两个对象语义距离为0时, 其语义相关度为1;②两个对象语义距离为无穷大时, 其语义相关度为0;③两个对象语义距离越大, 其语义相关度越小 (单调下降) 。

根据语义相关度的计算公式, 可以将语义距离矩阵DisM (Oc) 转化成语义相关矩阵R (Oc) 。

$R (Ο_{c}) = [\begin{matrix} 1 & r (c_{1}, c_{2}) & \dots & r (c_{1}, c_{Ν}) \\ r (c_{2}, c_{1}) & 1 & \dots & r (c_{2}, c_{Ν}) \\ \dots \\ r (c_{Ν}, c_{1}) & r (c_{Ν}, c_{2}) & \dots & 1 \end{matrix}] (2)$

3 基于本体用户兴趣特征向量的量化系统设计

本文提出基于本体的向量空间模型计算学习者的兴趣特征向量, 设计了基于本体的用户兴趣特征向量量化系统, 它是一种考虑了术语间语义相关性的计算模型, 根据学习者描述的兴趣信息, 以学习者共同的知识背景——本体为基础, 经过预处理和特征量化两个功能模块处理, 将文本信息表示成统一尺度的特征向量后, 以便计算向量间的相关度, 例如采用余弦法, 来进行信息的匹配与提取。

3.1 预处理模块

预处理模块主要功能是从描述信息中分辨出一个句子里面的词, 将属于知识论域中的术语提取出来, 重构成本体实例。分散的学习者用户发布的兴趣信息描述中潜在地包含了用户个人的知识背景, 以及对知识的理解程度, 因此我们可以从描述的信息中提取出分散用户的局部的知识。这些局部的知识片断可以看成是本体的实例, 本体刻画了领域知识, 可以表示成本体图, 那么作为本体实例的用户的局部知识, 也可以采用局部概念图来表示。

定义4 根据基于本体的向量空间模型, 用户特征局部向量v (s) =[s1, s2, …, sN], si与本体中的概念ci对应,

$s_{i} = {\begin{cases} e^{- α D i s (e_{i}, r o o t)} \\ 0 \end{cases} (3)$

如果对应的概念ci出现在概念图中, 则与之对应的si为e-αDis (ei, root) ;反之, si为0值。其中Dis (ei, root) 表示了局部概念图中概念ei∈Oc到root的语义距离, si∈[0, 1], 其计算方法也是基于图形的最短路径的计算方法;α表示陡度估量, 因为e-7≈0, 在模糊建模中通常选择其值为-7/MAX (Dis) 。

重构本体实例的具体步骤:①以本体的概念作为向量空间的术语项, 对信息项内容中包含的术语进行提取。如果一个提取的概念在本体中找不到对应项, 但却是本体中某些复合词的一部分, 那么将所有相关的复合词都添加进来。②将提取的概念组成局部概念图, 局部概念图表示的是用户的知识片断, 作为本体的实例, 它具有与有限本体图一致的特征, 即为有向无环图。重构本体实例依从的规则为:以整条信息项所涵盖的知识集合为根节点;提取的概念间的相对关系与本体图中的相对关系保持一致, 即上下位关系不变, 旁支关系不变。我们假设, 社区的学习者用户具有共同的领域知识, 用户虽然表达用语具有随意性, 但是用语间潜在的结构关系应该符合领域知识内部概念间的相对关系。将知识片断提取出来, 并对其进行重构, 将本体实例保存到知识库中。预处理的结果成为系统核心模块——量化处理模块的输入, 然后获得表示用户局部知识的特征向量。

3.2 信息的度量统一

从局部知识图 (本体实例图) 可知因为学习者用户用语的随意性, 以及主观认定性, 导致局部知识的术语关系是依赖用户的相对关系。由此获得的特征向量是相对于个体局部知识结构的量化。另一方面, 同一领域的概念间并不是孤立的, 相互间具有一定的语义相关性, 用户表明的本体实例中使用的概念往往隐含地包含了与之相连的概念的信息。为了能够统一地度量分散的特征向量, 需要将局部知识转化到统一度量的空间中。本文采用模糊推理, 基于概念间的相关性, 将局部特征向量转化为统一度量尺度下的特征向量, 以便后续的匹配比较。计算公式为:

$V (s) ˚ R (o) \Rightarrow \bar{V} (s) (4)$

V (s) =[s1, s2, …, sN]表示局部知识的特征向量, 根据式 (3) 计算, 模糊关系矩阵R (o) 已通过前面式 (2) 计算获得。R (o) 中每个元素rij反映了术语间的相近程度。这样那些在兴趣描述中没有显式地出现过的术语的语义关系也将被考虑。公式中的“。”表示模糊关系中的内积, 代表MAX-MIN操作。经模糊推理将分散的特征向量转化为统一度量空间中的特征向量,

$s_{i} = \max (\min (s_{1}, r (1, i)), \min (s_{2}, r (2, i)), \dots, \min (s_{Ν}, r (Ν, i))) (5)$

上式计算获得的si是统一度量空间中特征向量 $\bar{V}$ (s) 的元素。经过上面的计算, 来自学习者用户的个人兴趣描述信息都被转化成考虑语义后统一度量的特征向量。对于具有统一尺度的特征向量, 可以进行比较匹配。匹配功能可以通过对语义特征向量进行计算厢似度实现。参考向量空间模型中, 目前向量相似性函数的计算方法包括: 内积法 (Cosine函数) 、最近邻法 (Max) 、Minkowski距离、Euclidean距离等。其中最直观有效的方法为内积法。

将用户1的特征向量表示为空间向量v (d1) ={x11, x12, …, x1n}, 将用户2的特征向量表示为空间向量v (d2) ={x21, x22, …, x2n}。那么通过计算两向量v (d1) 和v (d2) 的夹角 (内积) 来度量向量间的接近程度。内积越大, 两向量间的夹角越小。相似度量的计算公式如下: $s i m (d_{1}, d_{2}) = \frac{v (d_{1}) \cdot v (d_{2})}{| v (d_{1}) | | v (d_{2}) |}$ 。

本文基于内积法 (Cosine) , 计算特征向量的相似性。代表用户i的兴趣特征向量vi=[si1, si2, …, siN], 代表用户j的兴趣特征向量vj=[sj1, sj2, …, sjN], 根据Cosine法计算向量间的匹配度为:

$Μ a t c h D e g r e e (i, j) = \frac{| v_{i} \land v_{j} |}{| v_{i} | \cdot | v_{j} |} (6)$

通过计算两个向量vi和vj的内积来度量向量间的接近程度, 内积越大, 两个向量间的夹角越小, 两个兴趣越接近。

3.3 概念索引 (CI) 降维

基于本体的信息提取系统, 采用向量空间模型来表达兴趣信息的文本特征, 表现出巨大的维数, 从而导致处理过程计算复杂, 为此, 需要先对特征矩阵进行合理的降维处理。概念索引 (CI) 是一种有效的降维方法:v (s) =[s1, s2, …, sN]表示学习者用户兴趣信息的局部知识特征向量, 设W为M×N矩阵, 其中, M为用户的数目, N为本体构成的知识论域空间的维数, v1 (s) =[s11, s12, …, s1N], W=[v1 (s) , v2 (s) , …, vM (s) ]′, W的第i行为第i个用户的兴趣向量空间表示Wi, 再设r为要降至的维数。概念索引先采用某种简单的聚类算法 (k-means或层次算法等) 对W作r路聚类, 将特征向量集分成r个互不相交的子集S1, S2, …, Sr, 然后, 对每个集合Si分别计算质心点向量Ci, 并将它们规格化为单位向量C′i, 将每一个单位质心向量C′i作为降维空间的一个坐标轴, 形成一个r维子空间, 每个用户的r维向量表示可通过将其映射到这个r维子空间得到, 因此, 降维后的兴趣向量空间W′可通过式 (7) 的矩阵运算得到:

$W^{'}_{m \times r} = W_{m \times n} \times C_{n \times r} (7)$

其中, Cn×r= (C′1, C′2, …, C′r) 。 W′m×r为降维后的用户兴趣局部特征向量构成的矩阵, 第i行表示第i个用户的兴趣局部特征向量, 局部特征向量由原来的N维降到r维。可以大大简化后面的计算量。

4 学习社区的自组织算法

社区应该是一组具有相同或相似兴趣学习者组成的团体, 因此社区的建立应该尽可能的将兴趣相似度大的学习者放在同一个社区中。在此思想的指导下, 我们提出如下的社区建立流程。

第一步: 兴趣特征向量降维后, 根据式 (6) 计算两两学习者之间的兴趣匹配度。

第二步: 设定阈值T1, 计算每个学习者的匹配浓度 (由与该学习者兴趣匹配度较高的学习者数目的多少来决定浓度的高低) 。假设某高校网络学习者为m个, 学习者i的浓度θi计算公式为: $θ_{i} = \frac{\sum_{i = 1}^{m} a_{i j}}{m}$ , 其中,

$a_{i j} = {\begin{cases} 1, Μ a t c h D e g r e e (i, j) \geq Τ_{1} \\ 0, 否则 \end{cases}, Τ_{1}$

为预先假定的阈值。

第三步: 选出匹配浓度最高的学习者, 作为社区中心学习者来建立社区。预先设定一个阈值T2, 与中心学习者的兴趣匹配度高于阈值的学习者进入该社区。

第四步: 对剩下的学习者按照第一步至第三步的顺序, 重新计算, 直到学习者的最高浓度低于一个阈值T0为止。对于浓度低于T0的学习者, 计算他与各社区中心学习者的相似度, 进入最相近的社区学习。

5 实例分析

本文提出了一种基于本体兴趣向量空间模型的学习社区构建算法, 将具有相似爱好的学习者自动有效地组织成一个个的学习者社区, 帮助其共享资源, 进行协行式学习。实验结果证明, 该算法具有较高的分组效率和良好的可扩展性。

5.1 算法实验步骤描述

①采用语义距离的计算方法, 获得本体中概念间的语义距离, 可以使用语义矩阵表示。

基于专家支持建立程序员研发的领域本体, 为社区网络中分布的学习者用户提供共享的知识背景。考虑了概念层次树的深度、密度的语义距离, 认为路径长度相同的两个结点, 如果位于概念层次的越底层, 其语义距离较小, 如果位于概念层次树中高密度区域, 其语义距离应小于位于低密度区域。故概念层次离根部越近距离权值越大。使用对领域知识进行编码, 生成的本体概念关系图如下所示。

从本体图上可以清晰地看出, 知识可以分等级地表示, 本体中的概念相互间存在着一定的语义相关性。本体中的概念以数字标号的形式表示, 有限本体图是有向无环图, 按照层次遍历的“Breadth-First”算法进行解析, 与本体图2对应的概念索引表为:

{ 0 Computer Programmer-Related-Technology, |1 NETWORK, 2 software, |3 Network Protocol, 4 WEB Designing, 5 Operation-system, 6 Programming-language, 7 database, |8 SNMP, 9 ATM, 10 DSN, 11 APR/RAPR, 12 UDP, 13 TCP/IP, 14 HTML, 15 PHP, 16 JSP, 17 Ruby, 18 Ajax, 19 Java Script, 20 UI, 21 Embedded-operation-system, 22 Macintosh-operation-system, 23 windows, 24 DOS, 25 Developer, 26 .NET, 27 Assembly-language, 28 Oracle, 29 DB2, 30 MS-SQL, 31 MySQL, |32 WinCE, 33 VxWorks, 34 ucLinux, 35 Linux, 36 C, 37 MFC, 38 VB, 39 C++, 40 JAVA, 41 Delphi, 42 ASP.NET, 43 C#, 44 VB.NET, 45 VC.NET}。

索引列表中的竖直线用来示意有限本体图中的概念的层次划分。这里, 概念对应的标号并非随机指定的, 而是与概念所在的层次排列密切相关, 图中的标号对应于概念索引的序列号。考虑到本体可以表示成有限本体图, 那么我们将基于图形最短路径法计算语义距离。根据语义距离矩阵的定义, 可以获得如图3所示的46×46语义距离矩阵。可以看出, 语义距离矩阵是个对称矩阵, 灰度度量了实体间语义距离的大小。X、Y轴的标号对应于本体概念索引表中的标号。

②学生用户兴趣描述信息的局部知识数值化, 并经过模糊推理转化成统一度量下的特征向量。

假如学生用户甲描述自己的兴趣信息项为“Software Engineer, experiences in C language, .NET such as VC.NET, C#, interested in WEB designing with Ruby”, 依据前面3.1的方法从中提取出的知识空间内的术语为“Software, C, .NET, VC.NET, C#, WEB designing, Ruby”, 根据术语在知识空间内的相对结构, 上面信息中提取的知识片断可以表示成概念图4。用户乙描述的兴趣信息项提取出的知识空间内术语为 “Operation System, EmbeddedOperationSystem, Linux, Database, MySQL”, 同样的方法可以解析成本体实例, 转化成概念图5。

甲乙学习者用户兴趣描述信息的局部知识数值化为用户特征局部向量如下:

v1 (s) :[0, 0, e-α, 0, e-α, 0, …, e-2α, 0, …, e-2α, 0, 0, 0, e-3α, 0, …]

v2 (s) :[0, 0, 0, 0, 0, e-α, 0, e-α, 0, …, e-2α, 0, …e-2α, 0, 0, 0, e-3α, 0, …]

特征向量中的元素对应于概念索引表中的项。现假设有M=12个学习者希望能够通过自己声明的兴趣, 为其发现适合自己的学习社区。同样的方法, 从学习者用户的兴趣信息描述中提取出兴趣特征术语, 并对其进行重构, 由此获得的其他学习者用户兴趣描述信息项的局部知识向量为:

v3 (s) :[0, 0, e-α, 0, e-α, 0, …, e-2α, 0, …, e-2α, 0, …, e-2α, 0, 0, 0, 0, 0]

v4 (s) :[0, 0, 0, e-α, e-α, 0, …, e-2α, 0, …, e-3α, 0, …, 0]

v5 (s) :[0, 0, e-α, 0, …, 0, e-α, e-α, 0, …, e-2α, e-2α, 0, …, 0]

……

③经过模糊推理, 学习者用户的局部知识被转化成统一度量下的特征向量。然后按照用户设置的维数采用CI法计算降维的兴趣特征向量。

假设用户设置的维数r=3, M=12个学生的兴趣局部知识向量可以表示成M×N矩阵 (其中, M为用户的数目, M=12, N为本体构成的知识论域空间的维数, N=46)

$W^{'}_{12 \times 3} = W_{12 \times 46} \times C_{46 \times 3} (7)$

其中, C46×3= (C′1, C′2, C′3) 。W′12×3为降维后的用户兴趣局部特征向量构成的矩阵, 第i行表示第i个用户的兴趣局部特征向量, 局部特征向量由原来的N=46维降到r=3维。可以大大简化后面的计算量。

④根据特征向量间的相似度, 自组织学习社区。根据式 (6) 计算出M=12个学生用户之间的匹配程度, 使用矩阵表示为

$\begin{matrix} u s e r 1 \\ u s e r 2 \\ u s e r 3 \\ u s e r 4 \\ u s e r 5 \\ u s e r 6 \\ u s e r 7 \\ u s e r 8 \\ u s e r 9 \\ u s e r 10 \\ u s e r 11 \\ u s e r 12 \end{matrix} [\begin{matrix} 1 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.69647 & 0.64377 & 0.65392 & 0.46811 & 0.22933 \\ 0.22933 & 1 & 0.29816 & 0.24005 & 0.69939 & 0.69939 & 0.29816 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.69939 \\ 0.22933 & 0.29816 & 1 & 0.24005 & 0.29816 & 0.29816 & 0.57877 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.29816 \\ 0.22933 & 0.24005 & 0.24005 & 1 & 0.24005 & 0.24005 & 0.24005 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.24005 \\ 0.22933 & 0.69939 & 0.29816 & 0.24005 & 1 & 0.70074 & 0.29816 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.70074 \\ 0.22933 & 0.69939 & 0.29816 & 0.24005 & 0.70074 & 1 & 0.29816 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.74846 \\ 0.22933 & 0.29816 & 0.57877 & 0.24005 & 0.29816 & 0.29816 & 1 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.29816 \\ 0.69647 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 1 & 0.64377 & 0.65392 & 0.46811 & 0.22933 \\ 0.64377 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.64377 & 1 & 0.64377 & 0.46811 & 0.22933 \\ 0.65392 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.65392 & 0.64377 & 1 & 0.46811 & 0.22933 \\ 0.46811 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 0.46811 & 0.46811 & 0.46811 & 1 & 0.22933 \\ 0.22933 & 0.69939 & 0.29816 & 0.24005 & 0.70074 & 0.74846 & 0.29816 & 0.22933 & 0.22933 & 0.22933 & 0.22933 & 1 \end{matrix}]$

输入阈值0.3, 在原来的模糊矩阵中, 模糊系数大于给定阈值的将被置成1, 小于阈值的将被置成0,

$\begin{matrix} u s e r 1 \\ u s e r 2 \\ u s e r 3 \\ u s e r 4 \\ u s e r 5 \\ u s e r 6 \\ u s e r 7 \\ u s e r 8 \\ u s e r 9 \\ u s e r 10 \\ u s e r 11 \\ u s e r 12 \end{matrix} [\begin{matrix} 1 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 1 & 1 & 1 & 0 \\ 0 & 1 & 0 & 0 & 1 & 1 & 0 & 0 & 0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 & 0 & 0 & 1 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 & 1 & 1 & 0 & 0 & 0 & 0 & 0 & 1 \\ 0 & 1 & 0 & 0 & 1 & 1 & 0 & 0 & 0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 & 0 & 0 & 1 & 0 & 0 & 0 & 0 & 0 \\ 1 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 1 & 1 & 1 & 0 \\ 1 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 1 & 1 & 1 & 0 \\ 1 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 1 & 1 & 1 & 0 \\ 1 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 1 & 1 & 1 & 0 \\ 0 & 1 & 0 & 0 & 1 & 1 & 0 & 0 & 0 & 0 & 0 & 1 \end{matrix}]$

最后第4节介绍的匹配浓度法自组织学习社区。user1、user8、user9、user10、user11进入社区1学习, user2、user5、user6、user12进入社区2学习, user3、user5、user7进入社区3学习, user4进入社区4学习。

5.2 结果分析

①特征向量降维时, 设置的维数r越小, 对应的概念数N越小, 算法的复杂度就越小。没有采用CI特征降维设置时, 默认情况下的计算复杂度依赖于本体中概念的数量, 当用CI降维后, 计算复杂度将直接受用户设置维数的影响。

②根据学生用户之间的兴趣匹配度, 设定阈值T1, 计算每个学习者的匹配浓度, 求出1值最多者 (即浓度最高者) , 然后以此为中心组建社区。阈值过小, 社区数较少, 每个社区的学习者人数越多, 会将兴趣不同的学习都归入同一社区。反之, 阈值过大, 会使社区数目增多, 会使兴趣相近的学习都分到不同社区学习。故阈值的大小要根据经验取值, 不宜过大或过小。

③采用基于本体的向量空间模型, 考虑了概念相关性, 本文以同济大学网络教育学院学生为实验对象, 实验表明, 兴趣社区自组织算法具有较高的划准率和划全率。定义划准率和划全率的计算公式为:

$\begin{array}{l} 划准率 = \frac{社区学生认同数}{社区学生总数} \\ 划全率 = \frac{社区学生总数}{参与学生总数} \end{array}$

划准率的计算采用人工判断返回信息项的方法计算, 例如对20名学生进行社区划分后, 人工地判断与学生用户期望一致得到肯定的信息项数为n, 那么划准率为p=n/20, 采用本节算法, 分别对学生人数M为20、50和100时进行了实验, 在M=20时, 平均的划准率=83%;M=50时, 平均的划准率=95%;M=100时, 平均的划准率=98%。实验表明, 实验对象越多, 划准率越高。对于算法中浓度低于T0的学习者, 计算他与各社区中心学习者的相似度, 进入最相近的社区学习, 故该算法划全率达到近100%。学生能根据自己描述的兴趣进入最适合自己的社区进行学习。

6 结语

基于本体的向量空间模型计算学习者的兴趣特征向量, 它是一种考虑了术语间语义相关性的计算模型, 根据学习者描述的兴趣信息, 以学习者共同的知识背景——本体为基础, 根据兴趣的隐性表示获取对应的显式表示 (即兴趣向量) , 通过有限本体图计算概念间的语义相关度, 克服了传统的向量空间模型中术语间语义相关性被忽略的缺点, 能够提高兴趣相似性比较的精确程度。并根据兴趣相似度的思想, 提出了一种基于学习者兴趣相似匹配度和学习者相似匹配浓度的学习社区的自组织算法。针对基于本体的向量空间模型使用本体中的概念构造向量空间表现出的巨大维数, 把概念索引降维法改进运用于兴趣特征降维, 对兴趣特征矩阵进行合理的降维处理, 然后进行匹配计算, 大大降低运算量和计算的复杂度, 提高算法效率。

摘要：为了解决远程教育不可避免地产生的“孤独”学习者的问题, 把具有相同学习兴趣的学习者组织到同一个学习社区中进行协作式学习。学习社区建立的重点和难点在于学习者之间相似关系的判定和计算, 针对传统的向量空间模型中术语间语义相关性被忽略的不足, 提出基于本体的向量空间模型来计算学习者的兴趣特征向量, 根据兴趣的隐性表示获取对应的显式表示, 此计算模型提高了兴趣相似性比较的精确程度。同时提出了一种基于学习者兴趣相似匹配度和学习者兴趣匹配浓度的学习社区的自组织算法。针对基于本体的向量空间模型使用本体中的概念构造向量空间表现出的巨大维数, 运用概念索引降维法对兴趣特征矩阵进行合理降维, 大大减少了计算的复杂性。最后, 以网络学习案例来进行实验分析, 验证该模型算法具有较高的效率和良好的扩展性。

关键词：本体,兴趣特征向量空间模型,概念索引降维,兴趣相似匹配度,兴趣匹配浓度

参考文献

[1]Tillman H N.Virtual community building using in-ternet tools[OL].Http://www.Hopetillman.com/i100/vc.htm, 2004-10-16.

[2]JoKim A著.张署, 胡蓉, 赵明译.网络社区建设——设计策略揭密[M].北京:清华大学出版社, 2001.

[3]Baeza-Yates R, Ribeiro-Neto B.Modern informationretrieval[M].ACM Press, 1999.

[4]Dumais S T.Using LSI for information retrieval, information filtering and other things[Z].Talk atCognitive Technology Workshop, April 4~5, 1997.

[5]Letsche T A, Berry M W.Large-scale informationretrieval with latent semantic indexing[J].Informa-tion Sciences-Applications, 1997, 100 (1~4) :105~137.

[6]Gauch S, Chaffee J, Pretschner A.Ontology-basedpersonalized search and browsing[J].Web Intelli-gence and Agent Systems, 2003, 1 (3~4) :219~234.

[7]Lin J, Gunopulos D.Dimensionality reduction byrandom projection and latent semantic indexing[A].Text mining workshop, at the 3rd SIAM Interna-tional Conference on Data Mining[C].2003.

[8]Kaski S.Dimensionality reduction by random map-ping:fast similarity computation for clustering[A].Proceedings of international joint conference on neu-ral networks (IJCNN’98) [C].IEEE Service Center, Piscataway, NJ, 1998:413~418.

[9]Fodor I K.A survey of dimension reduction tech-niques[R].LLNL technical report, UCRL-ID-148494, http;//www.llnl.gov/CASC/sapphire/pubs.html, 2002.

[10]Dumais S, et al.Using latent semantic analysis toimprove access to textual information[A].Proceed-ings of the conference on human factors in comput-ing systems CHI’88[C].Washington, D.C., USA, 1988.

社区文化活动的特征篇7

1 资料与方法

1.1 一般资料

选取2012年4月—2013年8月本院确诊的CAP患者81例, 其中男43例, 女38例;年龄26~78岁, 平均52岁。患者均符合《社医获得性肺炎诊断和治疗指南》的诊断标准, 患者中有合并糖尿病的4例, 合并高血压的6例, 心血管疾病的3例。

1.2 临床特征

最近几年CAP患者的发病年龄趋向于两端, 超过60岁的患者发病率有上升趋势, 这是由于老年人的免疫系统功能退化, 健康状况差, 而且常伴随慢性疾病;青年人的免疫系统还没有发育健全, 发生感染的机会都会增加。此外, 老年患者出现咳嗽、咳痰及肺部啰音的临床症状较多, 但是很少发生胸痛或是发热, 因此, 对于老年患者来说, 详细地询问病史、做好全面的体质检查是相当重要的。在影像学检查方面, CAP是以右侧肺炎最为多见, 这很大程度上是因为右总支气管较为徒直, 而且其管径相对较粗, 这会导致病原体或是其分泌物较容易被吸入右肺却不容易从此处被引流出去。相对于中青年来说, 则以单侧肺或单个肺段病变为主, 这是由于他们的肺组织弹性较好, 有较为健全的防御功能, 而且病变也较局限, 不容易发生扩散[2]。还有研究表明, 老年容易发生双侧肺炎, 很大一部分原因是老年患者的健康状况颇差, 基础疾病也多, 肺组织缺乏弹性, 病情进展过快, 早期还不容易被发现, 而且后期恢复慢, 病情迁延, 很多情况是在诊断时就已经发生了双侧肺炎。

1.3 护理方法

1.3.1 心理护理

心理护理是临床护理工作中必不可少的一项重要内容。由于CAP起病急, 有咳嗽、胸痛的症状, 容易反复发作, 不容易见好, 这种发病方式及频率使患者对于疾病的治疗缺乏了信心, 也容易产生失望、无助等负面心理。因此, 要更加了解患者的心理活动规律和反应特点, 并针对其心理活动, 采取一系列适当的心理护理措施, 去间接影响患者的感受和认识, 改变他们那些不当的心理状态和行为, 帮助他们去适应新的人际关系以及医疗环境, 尽可能为患者创造有益于治疗和康复的最佳心理状态, 使其早日恢复健康。心理护理对于肺炎患者也是很重要的, 发病后会使患者出现焦虑的负面情绪、精神压力也会变大, 此时就要给予患者最适当的关注及其所需, 要多沟通, 了解患者的疾病史, 治疗史以及心理精神状态, 站在患者的角度来劝慰他们, 根据每个人的特点来制定详细的护理计划, 让他们重拾信心, 勇敢地面对疾病并配合治疗。

1.3.2 合理用药指导

患者入院以后, 应及时使用有效的抗感染药物, 在用药之前要做皮试, 以免发生过敏反应造成不必要的后果, 同时还要注意药物的疗效、配伍禁忌、药物浓度、不良反应和用药的间隔时间, 一旦出现不良反应等异常情况, 应及时与医生沟通, 做好相应的急救或是处理;静脉滴注时要严格控制液体的滴速, 保护心肾功能, 用药一段时间后, 要注意观察其效果, 时刻与医生反映患者情况, 避免发生潜在的并发症。

1.3.3 呼吸咳痰护理

住院期间要定时开窗通风, 保持室内空气流通、清新, 为了避免空气干燥, 室内要保持适当的湿度, 患者要多饮水来稀释痰液, 利于将浓痰咳出, 有时患者的身体状况不佳, 可能会出现咳痰能力变差, 多数情况下, 痰液会堵在咽喉及气管导致细菌感染, 从而发展成更为严重的肺炎, 所以, 排出痰液远比使痰液潴留于呼吸道的止咳来得重要。为了避免患者会出现堵塞现象, 应多拍背部辅助咳痰, 对于没有能力自行排痰的患者可以用手按其胸部以协助他们把痰液排出, 可以选择胸背部叩法、体位引流、超声雾化吸入等方法辅助排痰[3]。嘱咐家属, 在患者咳嗽时要用手帕或纸捂住嘴, 更不要随地吐痰, 防止将病原菌传染给他人, 或是污染空气造成再次感染。

1.3.4 健康教育

患者及其家属对CAP并不是很注意, 这就会导致免疫力低下的老年患者和免疫系统尚不健全的青少年容易患病, 即使治愈后也很有可能再发, 因此可以通过健康教育的方式对患者及家属进行知识普及、讲座。要让他们对CAP有彻底地了解, 也要适当地熟知这种疾病的发病机制, 这样就可以尽量避免诱因;在生病时, 家属要好好照顾患者, 帮助他们减轻痛苦, 告知他们在饮食和其他方面的注意事项;要了解药物的作用、用量、正常用法以及不良反应;平时尽量让患者保持心情愉悦, 要用平常心来面对疾病, 不要有太大的压力, 可以通过音乐、聊天等各种方法来放松心情, 保持呼吸的平稳;可以适当地到外面走走, 晒晒阳光, 呼吸新鲜的空气, 或是做些适当的运动来增强免疫力, 抵抗疾病。

2 结果

81例CAP的患者经过系统的护理, 显效51例, 有效23例, 无效7例, 总有效率91.36%。

3 讨论

CAP的发病率很高, 治疗前应详细询问患者的相关病史, 并且认真进行体检, 如果有患者在近期出现任何咳痰、咳嗽、发热伴有肺部听诊异常的现象, 建议让患者做胸部X射线或肺部CT和血常规、痰液微生物检查, 以免漏诊CAP。CAP多发病于换季时节, 而且不具有典型的临床表现, 对CAP患者进行系统的、科学有效的护理, 不仅可以显著提高患者的治愈率, 增强治疗效果, 而且还能减轻患者的痛苦, 提高生活质量, 患者及其家属应该对CAP有全面、正确的认识, 并对症状及其基本预防有所了解, 积极地配合院外预防, 降低肺炎的发生率。

摘要：目的探讨社区获得性肺炎的临床特征及护理措施。方法选取2012年4月—2013年8月本院确诊的社区获得性肺炎患者81例, 对患者的临床特征进行总结, 并对患者实施心理护理、合理用药指导、呼吸咳痰护理及健康教育。结果 81例CAP的患者经过系统的护理, 显效51例, 有效23例, 无效7例, 总有效率91.36%。结论对社区获得性肺炎患者进行科学有效的护理, 不仅可以显著提高患者的治愈率, 增强治疗效果, 而且还能减轻患者的痛苦, 提高生活质量。

关键词：社区获得性肺炎,疾病特征,护理

参考文献

[1] 贾建江.探讨CAP的临床特点及治疗措施[J].中外医学研究, 2013, 11 (5) :127.

[2] 王丽华, 蒋爱萍, 付燕飞.成人社区获得性肺炎临床特征研究[J].吉林医学, 2011, 32 (17) :3395-3397.

【社区文化活动的特征】推荐阅读：

论社区文化及其在社区建设中的作用01-06

社区文化建设的现状与思考09-09

社区文化助推社区营造08-27