混合社区（共4篇）
混合社区 篇1
摘要：社区是人居环境基本细胞单元, 混合社区具有多样化的组成元素、土地利用模式、使用功能、形式与形态的动态复合的人居环境基本单元。本文通过对混合社区概念的阐述, 然后对混合社区理论模式进行了总结与分析, 希望对社区的规划设计与建设管理有所启示。
关键词：社区,混合社区,多元
1 混合社区的内涵
城市社区从来都不是一个抽象体, 而是一个区域性的社会, 是一个包涵着地域、人口、区位、结构和社会心理等多种要素并笼罩于自然的、社会的等多重空间之下的复合体。因此, 社区有三个分析尺度:物质尺度, 社区是一个有明确边界的地理区域;社会尺度, 在该区域内生活的居民在一定程度上进行沟通和互动;心理尺度, 即这些居民有心理上的共存感、认同感和归属感。
而所谓混合居住是指不同阶层混合居住 (Mixedincoming Housing) , 将不同收入阶层的居民在邻里层面结合起来, 形成相互之间利益互补的社区。从客观上讲, 混合社区也就是指:以一定地理区域为基础的多元经济利益与多元社会文化背景的人类社会基本聚居体系, 具有多样化的组成元素、土地利用模式、使用功能、形式形态的动态复合的人居环境基本单元。
混合社区的多样化促进着生态系统的稳定性。居住空间与商业、办公、无污染企业、文化娱乐、教育、公园绿地和户外活动场所等空间应该统一规划、相对集中靠近, 通过这种综合、多样化的功能空间的混合形成功能网络, 进而形成一个较为完整的区域生态系统。[1]这种空间格局有利于促进社区内多样化的活动和多层次的需求, 为居民提供一定的就业岗位, 使当地就业消费成为可能;能缓解交通压力, 减少二氧化碳排放;使得社区内的物质、信息、能量、价值、资金、人口流趋于频繁, 增加社区的活力和安全感。混合社区的使用层次 (Mixed-Use) 可划分为五种:
一是建筑或设施功能多样化, 社区内的各种建筑或公共设施承担着多种使用功能, 从而提高其使用频率, 如一栋综合楼可以有住宅、商店、办公等, 社区绿荫广场设计时应考虑使用的多功能;
二是使用者的多元化, 社区内的一些公共氛围是来自各方面的共同参与和运作并为各层次人服务;
三是社区组成成分的多元化, 社区设计的关键是能满足居住、商业、办公、休闲、工作等多种需求, 将住宅、商店、工作单位、学校、公共设施等居民生活中不可缺少的各项设施和活动场所综合以形成多功能的综合体;
四是形态的多元化, 有行列式、组团式、周边式等;
五是形式的多元化, 邻里住区是多种不同建筑形式的混合体 (图1) 。
由图1可知, 混合社区类似于自然生态系统, 多样性为社区发展带来了活力。社区内的商业与办公等设施为社区居民提供了就近的就业机会, 减少了交通的能耗, 同时避免了传统的现代主义城市中通常出现的工作区域在下班时间变得死气沉沉的状况。
2 混和社区的模式
从城市社会一空间整体来看, 社区微观社会—空间系统是宏观城市社会—空间系统的有机构成部分。社区是地域共同体, 社区规划首先必需以建立地域社区精神为宗旨, 从个体、群体的情感、物质需求和生活行为入手, 建立适居的、与地域社会结构适配的物质空间形态;[2]社区更是整体城市乃至整个人居环境的一个地域空间单位, 社区规划必须将社区视为一个社会开放系统, 促进社区作为更大区域要素的意义、角色和功能, 强调社区对于社会整体和谐的意义和义务。
社区规划既要强调社区精神实质, 促进居民认同感、凝聚力出发, 保护社区同质化;又要社会整体和谐角度, 保持社区异质, 促使不同阶层的居民相互理解, 以消除阶层壁垒、达成社会各阶层共生。在共生社区规划理念下, 以异质社区同质化和同质社区异质化策略来化解社区同质和异质二种属性的矛盾。
所谓异质社区同质化、同质社区异质化是将不利于社区培育的异质社区和大地域空间规模的同质社区解构为多个小规模的、不同阶层居住的同质社区, 再重构为异质社区, 即局部的同质与整体的异质。同质社区利用同质居民利于形成密切人际关系等优点, 重点在于培育社区精神;重构后异质社区整合多个同质社区以促进社会各阶层和谐为目标。使得社区物质空间与社会空间同构。
邻里同质—住区混合的混居社区模式, 即在规模住区这个较大的用地范围内, 实现以组团 (或街坊) 为单元的居住阶层的同质化 (低收入阶层同质或高收入阶层同质) , 但在整个住区范围内呈现马赛克状镶嵌布局式的混合居住。在组团范围内体现同质性, 而在住区范围内体现多样的混合性。虽然居住空间分异这一概念主要是针对城市这一较大空间领域而言, 并不适合就单个的住区空间进行评定。但是在解决降低居住分异程度的方法途径上, 鉴于规模住区尺度上的优势, 笔者认为在规模住区中形成的邻里同质—住区混合的混居模式, 不失为一种有效的手段。
城市社会发展和居住空间过度分异的现状和前面分析人的空间行为与邻里交往活动以及街区规模尺度, 大混合小聚居的居住模式在我国有其合理性和可行性。大混合小聚居是在大的范围混合前提下小范围居住同质。这种模式需要小街区的开发规模, 对于混合与聚居的范围, 邻里类型学三个层次的研究, 即:互助型邻里关系、相识型邻里关系、认可型邻里关系, 以及对街区尺度和开放管理模式的探讨之上。
从社区的结构组织形式来看, 支路网系统的构建, 将有利于规模住区形成小尺度封闭和大尺度开放的特点。小尺度封闭的优点在于:街坊单元是封闭的步行小尺度, 空间规模有利于居民对领域的认可和建立归属感;小范围的封闭有利于居民进行监控, 增加安全感;小范围的封闭有利于促进适度规模的交往人群之间交往活动的发生, 提高他们接触的频率, 提高他们的熟悉程度, 从而抑制犯罪的发生。
3 混合社区的空间形态模式
混合社区双轴一心的空间结构模式 (图2) 。双轴指基本社区与城市网络相连的交通轴和社会轴, 虽属社区空间, 但具有城市公共空间属性。社会轴以社区建设设施、使用频率较高的活动场地、绿化景观和一部分社区商业设施构成, 若有必要可采用乌纳夫交通模式, 取得交通性与社会性的双赢。交通轴穿越社区, 路边和住宅间的消极空间停车, 是指各个社会阶层居民的生活中心, 是以嵌套式院落围和成的同质社区的客厅和核心, 其中设置儿童活动和居民社交设施。这样以双轴为骨架, 并通过传统社区步行街和生态绿化的引入, 同质社区的入口与双轴紧密联系, 共同构成网络化的双轴一心空间形态模式。双轴一心空间模式致力于保证同质邻里居民间的凝聚力又体现混和社区实现社会不同阶层和谐相处的社会亲和力, 是社会微观与宏观双赢的社区空间形态模式。与传统社区空间画地为牢, 注重层级、封闭的中心—边界体系和空间形态相比, 双轴一心模式更强调空间整体与局部的开放和关联、中心的网络化、多阶层融和介质的营造等等。其主要表现为:
城市社会发展和居住空间过度分异的现状和前面分析人的空间行为与邻里交往活动以及街区规模尺度, 大混合、小聚居的居住模式在我国有其合理性和可行性。大混合—小聚居是在大范围混合前提下的小范围居住同质。这种模式需要小街区的开发规模, 对于混合与聚居的范围, 邻里类型学三个层次的研究, 即互助型邻里、相识型邻里和认可型邻里关系以及对街区尺度和开放管理模式的探讨。
4 混合社区空间形态规划
混合社区双轴一心的空间结构模式是尤为常见的一种普遍的空间形态规划。双轴是指基本社区与城市网络相连的交通轴和社会轴, 虽属社区空间, 但具有城市公共空间属性。社会轴以社区设施、使用频率较高的活动场地、绿化景观和一部分社区商业设施构成, 若有必要可采用乌纳夫交通模式, 取得交通性与社会性的双赢。交通轴穿越社区, 利用路边和住宅间的消极空间停车。另在以嵌套式院落围合而成的同质社区的客厅和核心, 设置儿童活动和居民社交设施。这样以双轴为骨架, 并通过传统社区步行街和生态绿化的引入, 使同质社区的入口与双轴紧密联系, 共同构成网络化的双轴一心空间形态模式。双轴一心空间模式在致力于保证同质邻里居民间的凝聚力的同时, 又体现出混和社区实现社会不同阶层和谐相处的社会亲和力, 是社会微观与宏观双赢的社区空间形态模式, 与传统社区空间画地为牢、注重层级、封闭的中心—边界体系和空间形态相比, 双轴一心模式更强调空间整体与局部的开放和关联、中心的网络化、多阶层融和介质的营造等。其主要表现为:
1) 均质的社会空间肌理:双轴一心空间模式强调以同质社区为基本居住单位的社会阶层以及社会公益性设施 (如学校和公园适宜间距1Km) 在城市范围内均质分布, 以城市交通划分的异质社区间的开放性与相互联系形成城市社区网络;
2) 社会亲和空间:轴向的社区中心表达了均好性, 通过与各同质社区核心紧密结合的廊道空间, 完备的城市生活设施、适宜的步行的可达性等, 建立各阶层居民的平等相处介质的亲和空间和柔性边界;
3) 富有活力的社区中心:轴中心是集社区景观、交通停车、休闲购物、社区管理、散步晨练等多种功能一体的多功能中心, 以其容纳社会活动的丰富性、展示性和活力形成公共社会生活中心。它是社区的象征性空间, 也是与其他基本社区或上一层次社区相联系的社会空间;
4) 可穿越性:双轴一心空间模式建议城市干线间距不大于500M×500M, 强调社区空间的保持适宜的可穿越性, 使社区微观交通对于缓解城市交通压力发挥出应有的贡献;
5) 社区功能布局倡导步行与公共交通优先:重视步行交通对于社区交往和提高生活质量的意义, 将机动车交通过滤在步行范围之外, 并将社区各类生活设施 (如学校、商业等) 都与步行系统相连在步行可达范围内;
5 结语
混合社区模式意味着同一社区内具有多样化的住宅及其相应多样化的消费、休闲及服务场所;意味着在同一地域内为居民提供多样化选择的条件, 同时也降低开发商的市场风险。混合社区的优势主要有五点:1) 多样性:功能混合改变了功能分区原则下城市的简单与单一, 这在建筑物的功能、建筑形态样式等都有所体现;2) 多功能性:多功能的混合与功能交织, 多功能包括居住、商业、公共服务设施、学校、医疗等;3) 互补性:不同功能之间存在着各种相互依存、相互作用的关系;4) 节约性:功能混合为城市作出的另一重要贡献就是节约交通成本;5) 社会性:功能混合减少了功能分区所造成的各种社会问题, 让居民有归属感, 居民之间能互相往来且能安全和谐的交流。
参考文献
[1]查晓鸣.新城市主义理论分析[J].甘肃科技, 2012 (07) .
[2]吴峰, 周庆华.新城市主义理论与社区环境规划设计研究[D].西安:西安建筑科技大学, 2003.
[3]杨杜娟, 武永祥.复杂城市住区网络和谐度测度与模型研究[D].哈尔滨:哈尔滨工业大学, 2009.
基于高斯混合模型的社区检测算法 篇2
许多复杂网络,包括因特网、引用网络、社交网络、生化网络和交通运输网络都具有社区结构,社区结构是复杂网络中的一种重要的特性,已经促成了许多应用的出现,比如在线零售公司的在线商品推荐系统和微信的朋友推荐系统。一直以来,社区结构都没有一个准确的定义,学者们普遍接受的社区结构定义就是:每个社区内部的节点连接相对紧密,而社区与社区之间的连接就较为稀疏,因此对于了解网络的组织和功能来说,能够有效地分析和检测社区结构就显得尤为重要。随着互联网和社交网站的兴起,在Twitter,Facebook以及新浪微博这样的社交网站上使用社区检测的技术已经成为热潮。在复杂网络社区中用户的相互交流与沟通,能为传统的社区带来新的内容以及网络结构,从而使社区检测[1]的技术不断地发展。
1 基于高斯混合模型的社区检测算法
致力于复杂网络研究的学者也发明了许多社区检测算法,但大部分算法却只能处理非交叠的社区,也就是算法属于硬划分,即得到的结果是每个节点只能属于一个社区。但是,在实际网络中,每个节点可能同时属于多个社区,例如,在社交网络中,一个人可能既属于篮球俱乐部,又属于漫画俱乐部,这就要求社区检测算法能够检测出交叠社区[2]。社区检测方法的有效性是基于社区划分的好坏,最流行的质量评价函数是模块度函数,是由Newman和Girvan为了评价不相交的社区结构而首先提出的。基于Newman的模块度,大量的社区检测方法相继被提了出来,有谱优化方法,极值优化方法和模拟退火方法等。但是,复杂网络中的节点可能同时属于多个社区,因此,就需要一种能够检测交叠节点的社区检测算法。由于硬分割的社区检测方法不能处理复杂网络中的交叠社区现象,近年来,各学科领域的研究者们纷纷提出了很多处理交叠社区的方法。如基于派系过滤的交叠社区检测方法,一种基于Potts模型的交叠社区检测方法,一种模糊C均值的方法,一种局部优化的方法,还有一种非负矩阵分解的方法。
本文提出了一种基于高斯混合模型的社区检测算法,这是一种基于统计推断的社区检测方法,由于初始值对传统的高斯混合模型影响较大,容易得到局部最优参数,针对这一现象提出了高斯混合模型参数优化的新方法:首先利用K-means算法对整个社区网络进行一次粗略的划分,在迭代过程中,将运用K-means算法得到的结果centroids作为初值传入高斯混合模型;在之后的参数迭代优化过程中采用遗传算法[3,4]对参数进行修正(在遗传算法中,使用了精英保留策略,即在每一代都保留适应度函数值最大的个体,直到适应度函数值达到稳定);最后,输出适应度函数值最高的那个个体所对应的划分结果。
在整个过程中,尝试找到一种适合网络数据的数学模型来表示社区结构。每个高斯模型就代表了一个社区(Community)。对样本中的数据分别在几个高斯模型上投影,就会分别得到样本点在各个社区上的概率,也就是软分类(Soft Assignment)。基于高斯混合模型的复杂网络社区检测算法GAGMM框架如算法1所示。
每次保留当代最优解,最终得到一个最优解,得到一个n行k列的矩阵U1,该矩阵表示每个节点属于每个社区的概率密度值,然后将该矩阵归一化,得到一个新的矩阵U2,U2矩阵即表示一个节点属于某一个社区的概率,这样就可以找出复杂网络中的交叠节点,通过U2矩阵可以得出网络社区的划分类标Label。
1.1 应用于社区检测的高斯混合模型
高斯混合模型(GMM)由K个Gaussian分布组成,每个Gaussian称为一个“Component”,这些Component线性叠加在一起就组成了GMM的概率密度函数:
根据式(1)的分析,可以归纳出以下步骤:首先随机地在这K个Component之中选一个,那么每个Component被选中的概率就是它的系数πi,其次选中了某个Component之后,再单独考虑每一个高斯分布。完成了上述两个步骤之后也即完成了从GMM的分布中随机的抽取一点的工作。
对于网络的邻接矩阵(方阵),邻接矩阵的行数和列数都为N,假设这些数据是由GMM生成出来的,那么GMM的概率分布完全可以根据数据推出,然而GMM的K个Component对应社区检测中的K个社区。当已知概率密度函数的形式,而要估计其中的参数的过程被称作“参数估计”。而根据数据来估算概率密度通常称作密度估计。
假设有服从某种分布(记为p(x))的N个数据点,现在需要确定里面的参数的值,例如:在高斯混合模型中需要确定的参数有:πi,μi,σi。首先找到这样一组参数,在本文中,采用K-means算法先粗略划分社区得到一组参数,它所确定的概率分布生成这些给定的数据点的概率最大,而这个概率实际上就等于,把这个乘积称作似然函数。为了得到遗传算法中的目标函数,需要求出单个点的概率的似然函数,由于独立点的概率较小,因此先对单个点的概率取对数,将乘积变成加和,这样就得到了目标函数。随后对目标函数进行求最大值,这就是整个参数估计的全过程,认为找到了使得似然函数取得最大值的参数就是最适合的参数。
假设At={Xt,1≤t≤N}为网络中每个节点的特征矢量序列,则其对应的混合度为K的高斯混合模型πk=Nk/N可以表示为:
其中,N(Xt|μi,σi)服从单高斯分布,其协方差矩阵为σi,均值矢量为μi,则K个高斯混合模型的联合概率密度为:
式中,d表示xt的维数,通常使用协方差矩阵的对角阵来代替协方差阵。
1.2 解的编码
在遗传算法中,采用了实数编码[5]的方式,染色体由一串具有复合结构的基因Gi组成,其表现形式为:G=(G1,G2,…,Gk),其中K为GMM中单高斯模型gi的个数。Gi可以表示为Gi=(πi,μi,σi),πi为每个Component被选中的概率,μi=(μi1,μi2,…,μik)为均值向量,σi=(σi1,σi2,…,σik,)表示协方差矩阵的对角线元素组成的向量。
2 实验结果及分析
为了证明算法的有效性,本节将GA-GMM算法分别应用于已知真实划分情况的人工合成复杂网络和四个小型的真实世界网络,并且与没有加入遗传算法(Genetic Algorithm,GA)优化的原始GMM算法得到的结果进行了比较。
为了评估算法得到的解的质量,需要引入评价指标。模块度函数Q是一种衡量网络划分的社区结构是否明显的度量方式。一般来说,Q值越大,对应的社区结构就越明显。因此,本算法也将该目标函数作为社区划分结果的一个评价指标。
2.1 人工合成网络
使用经典的GN benchmark复杂网络来检测算法的可行性和有效性。GN基准网络[6,7]是由Newman等提出。对于该基准网络,每个图包含了128个节点,分为4个由32个节点构成的社区。每个节点平均有Zin条边与同社区内节点连接,Zout条边与社区外节点连接。其中Zin+Zout=16,作为每个节点的期望的度。随着Zout的增大,所产生的随机网络给社区检测算法带来了更大的挑战。特别是,当Zout大于8时,意味着每个节点在社区内的边都要小于社区外的边,这时网络的社区结构就会非常模糊。当Zout≤8时,节点外度所占的比例小于内度所占的比例,因此算法应该能检测出网络中存在的社区结构,当Zout=0时,表明节点的外度为0,此时节点仅与自身社区内的节点相连接,社区结构非常明显。分别对Zout从0到8进行了测试,对每种类型的网络产生一个复杂网络,使用NMI来衡量算法检测的结果和真实网络划分之间的相似性。对于每个网络,计算三十次独立运行的平均值。
图1给出了当节点与其它社区内的节点相连接的边的数目,即Zout取不同的值(0到8)时,算法得到的平均模块度值(a)和平均NMI值(b)的曲线图。利用K-means算法初始化参数,并将遗传算法(GA)用于优化参数,这是GA-GMM算法;而初始的没有使用GA的算法表示为GMM,将GMM用于GN基准网络来作为对比说明遗传算法参数优化和K-means算法初始化参数的效果。
2.2 真实世界网络
将GA-GMM算法应用在四个真实世界网络上,分别是Zachary’s Karate Club,Dolphin social network、American College football和Books about US politics,并与没有加入遗传算法的初始GMM算法进行了对比。
由表1可得,三十次独立运行后,对于前三个真实世界复杂网络,GA-GMM算法所获得的模块度Q和NMI值的平均值均优于GMM,对于American College football网络,GA-GMM所获得的模块度Q和NMI均略小于GMM算法。
图2-9以盒图的形式给出了这四个真实世界复杂网络三十次独立运行的模块度Q和NMI的统计结果。其中,横坐标上的“1”表示GMM算法,“2”表示GA-GMM算法。
图2-3为Zachary’s Karate Club网络的30次独立运行的模块度Q和NMI值的统计结果。可以看出GA-GMM相比GMM能获得更高的平均模块度Q和NMI值,且GMM算法在NMI值的统计盒图中存在野值点。
图4-5为Dolphin social network网络的30次独立运行的模块度Q和NMI值的统计结果。可以看出虽然两种算法稳定性都差不多,但是GA-GMM算法相对于GMM算法来说,获得了更高的模块度Q值和NMI值。
图6-7为Books about US politics网络的30次独立运行的模块度Q和NMI值的统计结果,可以看出GA-GMM相比GMM算法,不仅稳定性更好,而且模块度Q值和NMI值更高。
图8-9为American College Football网络的30次独立运行的模块度Q和NMI值的统计结果。可以看出GA-GMM算法的Q值和NMI值都略差于GMM算法。
3 结束语
本文提出了一种复杂网络中的模糊社区检测算法,在混合高斯模型中,每个高斯模型就相当于复杂网络中的一个社区,GMM是连续型的概率分布,因而不会得到一个0到1之间的概率值,而得到的是概率密度值。算法产生的结果Px是一个N行K列的矩阵,N表示复杂网络的节点数目,K表示该网络的社区数目,对于每一个节点i,只要取该矩阵第i行中最大的那个概率密度值所对应的社区类标即可。GMM模型的优点是算法结果会得到每个节点属于每个社区的概率,相当于一种模糊划分,而不是明确地划分。根据概率密度值的大小来决定节点属于哪一个社区。实验证明,提出的GA-GMM算法在四个真实世界网络以及计算机生成的GN网络中都能取得较好的结果。
参考文献
[1]Alexanderson G L.About the cover:Euler and Konigsberg’s Bri dges:A historical view[J].Bulletin-American Mathematical Society,2006,43(4):567.
[2]Yang J,Leskovec J.Overlapping community detection at scale:a nonnegative matrix factorization approach[C]∥Proceedings of the sixth ACM international conference on Web search and data mining.ACM,2013:587-596.
[3]张彤,张华.浮点数编码的遗传算法及其应用[J].哈尔滨工业大学学报,2000,32(4):59-61.
[4]Su J,Havens T C.Fuzzy community detection in social networks using a genetic algortihm[C]∥Fuzzy Systems(FUZZ-IEEE),2014 IEEE International Conference on.IEEE,2014:2039-2046.
[5]Zhang T,Wu B.A method for local community detection by finding core nodes[C]∥Proceedings of the 2012 International Conference on Advances in Social Networks Analysis and Mining(ASONAM2012).IEEE Computer Society,2012:1171-1176.
[6]Newman M E J,Girvan M.Finding and evaluating community structure in networks[J].Physical review E,2004,69(2):026113.
混合社区 篇3
关键词：社区教育,网络教育,面授教育,“混合型学习”
一相关概念的界定
1. 社区教育的内涵
美国著名的教育学家杜维于20世纪初论证了“社会的基础是学校”的观点, 并提出“社区教育”一词。社区教育的兴起一方面适应了社会经济发展的需要, 另一方面与社区的发展息息相关。它同传统意义上的成人教育、职业教育、学校教育有所区别, 属于区域——社会教育一体化的教育教学模式。社区教育所涵盖的内容是多层的、多元的, 包括非正式与正式的、非正规与正规的、非学历性与学历性的。一般认为, 社区教育具有开放性、实践性、公共性、实用性、多元性、本土性、区域性等特征。
2.“混合型学习”模式
“混合学习”为教育专家针对网络教育的弊端而提出的教育学专业术语。一般认为, 混合学习也就是要将网络教育的长处与传统的以面授教育模式为主的长处联合起来。这样就能在最大限度地发挥教师监控、启发、引导课堂教学过程及效果的关键作用, 也能提高作为学习主体的学生的创造性、积极性、自觉性。
二“混合型学习”应用于社区教育教学的优势
1. 突破传统教育的瓶颈, 实现教学资源的有效整合
传统的教学方法的顺利进行必须依赖特定的教学硬件设施, 面授教育形式让黑板、教师、教材、学生、教室不可分割。而网络教育能最大限度地摆脱面授教育在空间上以及时间上的束缚。此模式的明显特征为:第一, 通过整合和建设大量的社区网络教育资源, 可以为学员免费提供自主学习的课程, 学员可随心所欲、不受时空束缚地学习。第二, 面授课程的数量将被适当缩减, 网络教育课程将占社区教育的主要部分。面授教育课程无法再进行系统阐述, 其重心在于对关键内容及难点的点拨。网络教育为教师提供了丰富课程教学的可能性, 也逐渐变成其主要手段。这两个特征都从不同角度说明了“混合型学习”模式能实现学习型社区教学资源的有效整合。
2. 实现网络教育及面授教育的优势互补
第一, 网络教学优越性明显。学员可通过专门的网络教育平台获取课程资源, 这些资源具有搜索简便、容易获取, 内容丰富的优点。学员不受时空条件制约, 能随心所欲地搜索课程资源解决社区学员的家学矛盾和工学矛盾。第二, 面授教育能促进学员与学员、教师与学员之间的情感交流。在课堂上, 教师可对班级进行宏观管理, 形成良好的学习氛围;教师还可直接激励、感化学生, 激发其学习兴趣。第三, 面授教育能使得教师及时捕捉学员的学习效果, 可及时根据情况改变教学策略。这可让教师教学计划更加合理, 突出难点、重点, 做到循循善诱。因此, 把网络教育及面授教育有效组合, 使彼此优势互补, 能达到学习型社区教育教学的最佳效果。
3. 提高社区教育的灵活性, 满足不同群体的需要
社区居民是一个年龄跨度、知识程度、职业经历等差异明显的居民群体。运用“混合型学习”模式能使得社区机构或组织灵活地根据当地社区的人员构成、计算机水平、年龄等组织具体的教学活动。比如, 对于年轻的学员来说, 他们计算机水平较高, 在网络上也往往能畅所欲言地表达自己的观点, 尤其采用适合网络教育为主面授为辅的模式。但一些中老年人计算机水平不高, 有时还需要专人指导。因此, 社区机构可针对这个群体的特征采用面授教育为主网络教育为辅的模式。
三建立“混合型学习”社区教育教学模式的实施策略
1. 创立网络教育平台, 为社区“混合型学习”教育模式的开展奠定基础
由于互联网技术的迅猛发展, 学习型网站如雨后春笋般纷纷建立。部分网站能为网民提供基础知识。不过, 这些知识往往具有不成系统、较为零散、实用性不高的特点。这对于有志于提高自身的专业知识, 希望获得终身服务的社区居民来说, 只能是海底捞针。建立专门的社区教育网站能集中整合大量的学习资源, 提供专业化及有针对性的学习指导、学习服务。早在前几年我国一些大城市已开始初步建立完善的社区学习教育网, 如上海终身学习网、福建终身学习在线、常州终身教育在线等。
2. 探索社区网络教育方式, 根据相应的方式选择面授教育的对象, 处理好面授教育与网络教育的关系
要实现良好的教育目的与教育效果, 要对社区学员的基本情况做相应的分析, 以便根据学员的不同情况开展“混合型学习”教育教学模式。社区学员的层次较为复杂, 其职业经历、信息化水平、受教育程度、年龄等区别显著, 网络教育的内容及程度也要有所不同, 网络教育方式也要有相应的变化。从我国当前的社区网络教育方式的实际情况来看, 有较为常见的四种方式:活动型网络教育方式、自主型网络教育方式、协作型网络教育方式、讲授型网络教育方式。各个社区可根据此四种方式就评价激励、学习支持、教师角色、资源形势、教育内容, 结合社区的实际情况, 选择合适的模式。
3. 提高社区师资队伍的职业素养, 实现优势互补, 达到最佳教学效果
为提高社区教师的教学水平, 要加强教师队伍建设, 可以将教师派到有经验的企业、机构学习和培训。在面授辅导和网络教学的过程中, 要加强教师间的合作。要有效整合多媒体教学资源和计算机教学理论, 将具备较高计算机水平的青年教师的信息技术水平与高资历老师丰富的面授教学经验有效组合, 促进教师的老中青的协调互补, 达到带、帮、传的作用, 优化面授教育和网络教学的组合, 达到最佳教学效果。
4.“以学生为本”, 积极听取学员的意见, 适时进行调整并做相应改正
社区人口的复杂性容易导致产生“众口难调”的效应。所以, 教师要最大限度地发挥学习者的关键作用, 让其管理与控制自身学习行为。教师可借平时网络及面对面授课的机会, 广泛咨询不同学员的建议及意见, 如面授指导和网上授课的时间比例, 网络课程的教学计划、课间讨论的内容等, 都应认真采纳, 虚心接受, 并做相应的改进对策。最重要的是要在已定的教学计划及框架内, 为学员提供良好的学习环境和学习资源的基础上, 设计出符合学生的认知特点、认知水平、知识能力的学习资源。
四结束语
本文认为, “混合型学习”教学模式比单一模式的网络教育或面授教育更有优势, 主要有能突破传统教育的瓶颈、实现教学资源的有效整合、实现网络教育及面授教育的优势互补、提高社区教育的灵活性、满足不同群体的需要等优点, 并提出了四个建立“混合型学习”社区教育教学模式的策略。这是在我们当前资金不足、教学人员不足的情况下比较可行和容易取得实效的较好的运行模式。
参考文献
[1]厉以贤.社区教育原理[M].成都:四川教育出版社, 2003
[2]叶忠海等.社区教育学[M].北京:高等教育出版社, 2009
[3]姜丽娟.网络学习监控策略研究[J].鸡西大学学报, 2007 (1) :11～13
[4]龚正伟.学校体育改革与发展论[M].北京:北京体育大学出版社, 2002
混合社区 篇4
关键词：他汀类,非诺贝特,混合型高脂血症,血脂异常,动脉粥样硬化
随着我国经济水平的发展和生活方式的变化,血脂异常的发生率急剧升高。据调查,我国成人血脂异常的患病率高达18.6%,全国估计患病人数达1.6亿。对我国12家三甲医院就诊的血脂异常患者的调查显示,冠心病患者经治疗后血脂达标率只有26.6%,血脂异常的则更高达为73.4%[1]。而血脂异常对血管功能的不良影响极大,其也是导致较多心血管疾病的重要原因,这已经得到广泛的证实,因此对血管血脂的调控是临床研究热点[2]。本研究就他汀类药物联合非诺贝特治疗混合型高脂血症患者以及致动脉粥样硬化性血脂异常患者的疗效和安全性进行观察,现报道如下:
1 资料与方法
1.1 一般资料
将广东省东莞市石龙镇社区卫生服务中心2011年1月~2012年4月的300例混合型高脂血症和致动脉粥样硬化血脂异常患者随机分为辛伐他汀组(A组)、阿托伐他汀联合非诺贝特胶囊组(B组)和辛伐他汀联合非诺贝特胶囊组(C组),各100例。以上患者诊断均符合《中国成人血脂异常防治指南》的混合型高脂血症诊断标准和具有代谢综合征、冠心病或2型糖尿病等危症的高三酰甘油(TG)的标准。A组的100例患者中,男56例,女44例;年龄36~73岁,平均(63.5±5.6)岁;病程0.5~15.5年,平均(8.5±1.6)年。B组的100例患者中,男55例,女45例;年龄35~75岁,平均(63.4±5.9)岁;病程0.7~15.6年,平均(8.6±1.4)年。C组的100例患者中,男54例,女46例;年龄34~72岁,平均(63.7±5.8)岁;病程0.6~15.8年,平均(8.4±1.5)年。三组患者的性别、年龄及病程方面比较,差异无统计学意义(P>0.05),具有可比性。所有患者均在知情同意的情况下参与本研究,并签署知情同意书,另外,所有患者在未使用药物的情况下测定TG>2.26 mmol/L和(或)总胆固醇(TC)≥6.22 mmol/L或低密度脂蛋白胆固醇(LDL-C)>4.1 mmol/L。
1.2 方法
A组患者给予辛伐他汀20 mg(20 mg×10片/盒,生产厂家:宜昌长江药业有限公司,批号1011003、1101003、1109006)口服,每晚1次。B组患者给予阿托伐他汀钙片10 mg(10 mg×7片/盒,生产厂家:辉瑞制药有限公司,批号1037035、1037036、1037049)口服,每晚1次,另给予非诺贝特胶囊200 mg(100 mg×24粒/盒,生产厂家:北京京丰制药有限公司,批号100901、110502、110901)口服,每早1次。C组患者给予辛伐他汀20 mg口服,每晚1次,另给予非诺贝特胶囊200 mg口服,每早1次。三组患者均治疗12周。然后将三组患者治疗前后的血脂水平及不良情况发生率进行比较。
1.3 检测指标及方法
取三组患者治疗前及治疗后6、12周时的静脉血进行血脂的检测指标,其检测指标主要包括TG、TC、LDL-C及高密度脂蛋白胆固醇(HDL-C),分别采用日立7020型全自动生化分析仪进行检测,然后将三组患者检测所得数据进行统计及比较。
1.4 统计学方法
采用统计学软件SPSS 14.0进行统计学分析,计量资料采用均数±标准差表示,组间比较采用t检验,计数资料采用百分率表示,组间比较采用χ2检验。以P<0.05为差异有统计学意义。
2 结果
2.1 三组患者治疗前后血脂水平比较
治疗前三组患者的TG、TC、LDL-C及HDL-C比较,差异均无统计学意义(均P>0.05),而治疗后6周及12周B组及C组的TG、TC、LDL-C均低于A组,而HDL-C高于A组,差异均有统计学意义(均P<0.05),而B组与C组之间差异无统计学意义(均P>0.05)。见表1。
2.2 三组患者不良反应发生情况比较
三组患者不良反应发生率比较差异无统计学意义(P>0.05)。见表2。
3 讨论
在我国,心血管疾病已成为城乡的第一位死亡原因,混合型高脂血症和致动脉粥样硬化血脂异常是导致心脑血管疾病的重要危险因素。混合型血脂异常[高LDL-C伴高TG和(或)低HDL-C]和致动脉粥样硬化性血脂异常(高TG、低HDL-C)患者,通过他汀类单药治疗,尽管LDL-C已达标,仍存在包括心肌梗死、脑卒中、非创伤性截肢等大血管事件和主要微血管并发症,即“剩余血管风险”[3,4]。大量研究证实,尽管他汀类药物能明显降低LDL-C,并显著降低心血管事件风险,但仍有70%的心血管事件无法通过他汀类单药治疗来预防。
注:与A组比较,*P<0.05;TG:三酰甘油;TC:总胆固醇;LDL-C:低密度脂蛋白胆固醇;HDL-C:高密度脂蛋白胆固醇
目前以他汀类经典药物为主的调脂方案难以使混合型血脂异常的患者血脂水平满意达标,也不能完全解决致动脉粥样硬化性血脂异常(高TG和低HDL-C)引起的血管风险,常需要联合作用机制不同的降脂药物。贝特类药物是目前广为应用的一类调脂药,常规剂量下降低TG的作用较强,达20%~60%,升高HDL-C 5%~15%,对高甘油三酯血症及以TG增高为主的混合性高脂血症非常有效,对致动脉粥样硬化性血脂异常有良好的控制作用,进一步降低大血管和微血管剩余风险[5,6]。
他汀类联合非洛贝特药理作用和作用机制不同,联合应用能够显著降低LDL-C和TG,升高HDL-C,降低极低密度脂蛋白并升高载脂蛋白A1,改善LDL-C颗粒大小特性并预防脂蛋白氧化叠加作用,既可达到积极降脂目标,又可平衡调整血脂谱。对于混合型血脂异常患者和致动脉粥样硬化性血脂异常的患者,有助于延缓动脉粥样硬化的进程,进一步降低心血管风险[7,8]。
鉴于两药的药理作用,本研究旨在探索他汀类药物联合非诺贝特两者联合治疗的合理用药方案,为进一步提高血脂控制水平,降低高脂血症对心血管系统的影响,减少冠心病及其他动脉粥样硬化性疾病积累临床经验[9,10,11,12]。在本研究中,联合用药的患者在降低血脂各个方面的效果明显,在副作用方面也无明显差异,说明他汀类联合非诺贝特治疗混合型高脂血症和致动脉粥样硬化血脂异常临床效果优于单纯应用他汀类药物,而且安全性良好。
此外,为研究不同用药组合方案对治疗混合型高脂血症患者以及致动脉粥样硬化性血脂异常患者的效果,本研究将联合用药患者分为B、C两组,分别采用不同的用药方案治疗,结果发现,辛伐他汀联合非诺贝特的效果与阿托伐他汀联合非诺贝特在治疗混合型高脂血症和致动脉粥样硬化血脂异常临床效果相当,但从经济方面考虑,前者用药成本相对低于后者,具有相对较高的性价比。