Page 17 - 《南京医科大学学报社会科学版》2025年第5期
P. 17
第5期 总第130期 南京医科大学学报(社会科学版)京医科大学学报(社会科学版) ·
南
2025年10月 Journal of Nanjing Medical University(Social Sciences)of Nanjing Medical University(Social Sciences) · 441
Journal
站、北大法宝及中国知网中检索到的养老服务相关 年以前,养老服务相关政策多与医疗卫生、放开市
文本共 117 份,按照纳入与排除标准筛选后得到 44 场相关,2019—2020 年养老服务政策多与托育、养
份政策文本,表 1 列举出 2015—2025 年国家部分养 老机构相关,2020 年后养老服务相关政策多提及基
老服务相关政策。其中,2020 与 2019 年发文数量较 本养老服务供给。
多,共计 16 份,其他年份发文数量较为稳定。2019
表1 2015—2025年国家部分养老服务相关政策
序号 政策名称 发文时间 文号
1 促进普惠养老服务高质量发展的若干措施 2025-02-20 发改体改〔2025〕211号
2 中共中央、国务院关于深化养老服务改革发展的意见 2024-12-30 —
3 关于进一步促进养老服务消费 提升老年人生活品质的若干措施 2024-10-31 民发〔2024〕52号
4 关于加快发展农村养老服务的指导意见 2024-05-08 民发〔2024〕20号
…… …… …… ……
16 关于促进养老托育服务健康发展的意见 2020-12-31 国办发〔2020〕52号
17 关于印发《养老服务体系建设中央补助激励支持实施办法》(2020年修订版)的通知 2020-02-14 发改社会〔2020〕227号
…… …… …… ……
41 关于鼓励民间资本参与养老服务业发展的实施意见 2015-02-03 民发〔2015〕33号
42 关于进一步做好养老服务业发展有关工作的通知 2015-04-22 发改办社会〔2015〕992号
43 关于开发性金融支持社会养老服务体系建设的实施意见 2015-04-14 民发〔2015〕78号
44 关于推进医疗卫生与养老服务相结合指导意见的通知 2015-11-01 国办发〔2015〕84号
(二)LDA主题提取及结果分析 小显示 pyLDAvis 所使用的“相关性分数”,展现了主
1. 政策高频词汇分析 题在文档中的普遍性和独特性。因此,通常认为,
对 44 份政策文本进行预处理后,从中获取到 面积越大的主题在文档中越重要或显著,气泡与气
4 466个关键词。其中,养老服务、机构、养老出现超 泡之间的距离,显示了不同主题间的相关性和相对
千次;健康、社区、社会、鼓励、管理、居家、老年、设 位置。圆圈有重叠说明不同主题的特征词有交叉,
施、政策、照护、民政部、护理出现超 200 次;改革、地 由于 LDA 主题是根据所纳入的文本内容生成的,部
方、监管、指导、引导、失能等词汇出现接近 200 次 分主题存在范围重叠的情况,符合 LDA 主题模型分
(表 2)。这从侧面说明我国养老服务政策鼓励引导 析方法的特征属性。在主题数量为 7 时,所生成的
社会参与养老服务供给,采取机构、社区、居家等形 各主题气泡在不同的象限分布较为均匀,证明模型
式的多主体养老策略,重点针对困难、失能老年人 拟合较好,且此时气泡图中的各气泡彼此间交叉较
提供养老服务。 少,表明各主题语义区分效果较好,主题识别结果
表2 2015—2025年我国养老服务相关政策高频关键词 理想,具有一定辨识度。
其中,主题 1 占比 43.3%,主要高频词有人才、
关键词 频次 关键词 频次 关键词 频次
服务质量、医疗、医养、卫生等;主题 2 占比 20.5%,
养老服务 1 828 管理 266 护理 203
主要高频词有照护、失能、对象、惩戒、名单等;主
机构 1 374 居家 259 改革 190 题 3 占比 5.3%,主要高频词有参与、审批、改革、服
养老 1 352 老年 252 地方 189 务业、培训等;主题 4 占比 7.9%,主要高频词有消
健康 0 411 设施 243 监管 183 费、产品、分工负责、试点、老年等;主题 5 占比
社区 0 383 政策 235 指导 179 5.6%,主要高频词有中医药、农村、家政、改革、家
庭等;主题 6 占比 4.5%,主要高频词有老年、供养、
社会 0 337 照护 210 引导 176
设施、特困、改造等;主题 7 占比 2.8%,主要高频词
鼓励 0 330 民政部 207 失能 175
有疫情、防控、激励、物业、非法等。各主题内详细
2. 政策文本主题分析 高频词分类见表 3。
图 2 中的每个圆代表了 1 个主题,每个主题都 LDA 主题模型已对所获取的文本关键词进行
根据语料库展示了不同概念和角度,圆心之间的距 客观归类,借鉴过往学者做法,按照各个主题下
离代表各个主题之间的相似度,每个主题的面积大 聚类词汇的语义特征和联系进行人工编码主题

