Elderly People's Online Health Information Seeking Behavior Based on Evolutionary Dynamics

Chunling GAO, Liyuan JIANG

PDF(1483 KB)
PDF(1483 KB)
Journal of Library and Information Sciences in Agriculture ›› 2024, Vol. 36 ›› Issue (5) : 65-78. DOI: 10.13998/j.cnki.issn1002-1248.24-0254

Elderly People's Online Health Information Seeking Behavior Based on Evolutionary Dynamics

Author information +
History +

Abstract

[Purpose/Significance] It is of great significance to analyze the current situation of elderly people's online health information seeking behavior, grasp its hot topics and development trend, to meet the health information needs and improve the health literacy level of the elderly people, and to promote the high-quality development of health services for the elderly people. [Method/Process] In this study, the DTM model was used to perform dynamic topic mining and analysis of Sina Weibo post content from 2016 to 2023, and the topic evolution, topic semantic evolution and topic information entropy trend were each investigated. In this study, data information related to online health searches of the elderly was obtained from the Sina Weibo platform, and the text content and time in the data information were taken as corpus data. After cleaning the data, different time windows are divided in time order, a DTM model is constructed to identify research topics, and "subject-word matrix" and "document-topic matrix" files are obtained. The topic intensity calculation was carried out successively, and the hot topic identification and analysis of online health searches for the elderly was carried out. The evolutionary trend of topic intensity was visualized and the evolutionary path of topic keywords was analyzed at a fine-grained level, so as to explore the focus and changing trend of online health information searches for the elderly people. [Results/Conclusions] The topics of "senile diseases", "old-age care by science and technology", "diet and health care", "mental health" and "social care" have evolved significantly, and the elderly people pay much attention to health information types such as common old age diseases, physical medical maintenance, social assistance and care for the elderly, and clothing, food, housing and transportation, in order to meet their information needs. The topics of "senile diseases", "old-age care by science and technology", "diet and health care", "mental health" and "social care" have evolved significantly, and the elderly pay much attention to health information types such as common old age diseases, physical medical maintenance, social assistance and care for the elderly, and clothing, food, housing and transportation, in order to meet their information needs. The research popularity of "economic trap", "epidemic control", "medical fraud", "virus transmission", "epidemic travel" and "medical health" as a whole showed a trend of first increasing and then decreasing, and the elderly continued to pay gradual attention to health emergencies and economic property security issues that might arise. The research popularity of "sports health care", "high risk" and "cultural and sports tourism" remain moderately stable from 2016 to 2023 and has not changed significantly. Topics such as "senile disease", "sports health", "high risk" and "medical fraud" are semantically stable. The information entropy of "sports health care", "daily life safety" and "virus transmission" is relatively stable, the information entropy of "medical literacy", "epidemic control", "cultural and sports tourism" and "balanced diet" shows a diffusion trend, and the information entropy of "high risk", "diet and health care", "economic trap" and "medical fraud" shows a convergence trend.

Key words

evolutionary dynamics / the aged / health information search / topic evolution / DTM model / information behavior

Cite this article

Download Citations
Chunling GAO , Liyuan JIANG. Elderly People's Online Health Information Seeking Behavior Based on Evolutionary Dynamics. Journal of Library and Information Science in Agriculture. 2024, 36(5): 65-78 https://doi.org/10.13998/j.cnki.issn1002-1248.24-0254

0 引言

2022年,国家卫生健康委等15部门联合印发《“十四五”健康老龄化规划》中指出,到2025年,老年健康服务资源配置更加合理,综合连续、覆盖城乡的老年健康服务体系基本建立,老年人健康生活的社会环境更加友善,老年人健康需求得到更好满足,不断提高老年人健康核心信息知晓率和健康素养水平[1]。同年10月,二十大报告中指出,把保障人民健康放在优先发展的战略位置,完善人民健康促进政策,推动实现全体老年人享有基本养老服务,倡导文明健康生活方式[2]
中华人民共和国老年人权益保障法中指出,老年人是指60周岁以上的公民[3]。第53次《中国互联网络发展状况统计报告》中指出,截至2023年12月,中国非网民规模为3.17亿人。从年龄来看,60岁及以上老年群体是非网民的主要群体,占非网民总体的比例为39.8%[4]。政府、社会、企业、家庭和个人从多维度进行助力,帮扶老年人共同跨越数字鸿沟。加速适老化产品升级,推动养老、助老新技术发展。构建数字反哺氛围,耐心和陪伴是关键。个人拥抱数字化,“新银”带“旧银”。互联网应用适老化改造深入推进,在工业和信息化部指导下,共组织2 577家网站和APP完成适老化及无障碍改造,超过1.4亿台智能手机、智能电视完成适老化升级改造,让智能生活有温度、无障碍[4]
随着老年人口的增多以及生活水平的提高,老年人的健康观念发生转变,其对在线健康信息搜寻的需求也在增长。本研究通过获取新浪微博老年人在线健康搜寻相关数据信息,利用DTM动态主题模型分析文本内容,挖掘老年人在线健康信息搜寻的健康信息类型、行为动机与影响因素,助力中国相关部门提供个性化的在线健康信息搜寻服务,提升老年人健康信息素养。

1 文献梳理

表1所示,以年龄、种族及居住地为研究视角,有学者通过对国外健康信息搜寻行为进行综述梳理,探究国外健康信息搜寻行为的研究主题[5]。基于现象学视角,学者采用半结构化访谈方法,研究发现老年人健康信息搜寻的模式可划分为积极主动和前瞻能动两种类型[6]。学者通过对国内外健康信息行为研究文献的系统梳理,学者追本溯源,厘清了从“医学信息学”到“健康信息学”,再到“消费者健康信息学”,最终至“健康信息行为研究”的清晰发展脉络。进一步地,通过归纳该领域的研究主题,明确了健康信息行为研究的范畴[7]。有研究团队利用实验方法深入探讨了冲突性健康信息对用户健康信息搜寻行为的具体影响[8]。有学者研究用户网络健康信息搜寻行为,提出了网络健康信息搜寻行为的3种行为模式,即偶遇获取型、问题解答型、长期关注型,并分析各种模式特征以及影响因素[9]。另有研究团队基于健康素养和信息检索能力的双重视角,分析信息传播媒介对用户健康信息搜寻的影响[10]。此外,还有学者对老年人健康信息素养、老年人健康信息搜寻行为进行探讨与分析研究[11]
Table 1 Related content of health information search studies (partial)

表1 健康信息搜寻研究的相关内容(部分)

研究方法 研究对象 研究目的
扎根理论、访谈法 国外代表性研究论文 综述国外健康信息搜寻行为
系统归纳 国内外健康信息行为研究文献 界定健康信息行为研究的范畴
半结构访谈法 老年人健康信息搜寻模式 探索老年人健康信息搜寻模式
实验法 冲突性健康信息 冲突性健康信息对用户健康信息搜寻行为的影响
访谈法、案例分析法 网络健康信息搜寻行为 探讨网络健康信息搜寻行为模式、特征及影响因素
问卷调查法 健康信息搜寻影响因素 探索信息传播媒介在用户健康信息搜寻过程中的影响
问卷调查法 老年人健康信息素养、老年人健康信息搜寻行为 探讨老年人健康素养与健康信息需求和健康信息搜寻行为之间的关系
集成决策实验室法-解释结构模型 在线健康信息搜寻行为影响因素 分析各影响因素之间的层级逻辑关系和作用路径

ELM模型、

问卷调查

社区内用户的健康信息搜寻行为影响因素研究模型 分析健康信息搜寻行为的影响因素
半结构访谈法、扎根理论 老年用户在线健康信息搜寻行为影响因素 构建老年用户在线健康信息搜寻行为影响因素的理论模型
扎根理论 老年人在线健康信息搜寻影响因素 探究老年人在线健康信息搜寻行为机理

TAM模型、

结构方程模型

信息共享与搜寻行为意愿影响因素模型 帮助在线健康社区精准把握用户需求
IMB模型 中老年人在线健康信息搜寻行为的内在机理和影响因素 提高中老年人的健康信息素养,优化其健康信息获取途径
问卷调查法 老年人在线健康信息搜寻的影响因素、障碍及信息来源等 支持老年人的医疗和健康决策
定性研究 老年人进行在线健康信息搜寻的影响因素 探讨老年人进行在线健康信息搜寻的行为动机
多项研究对国内外在线健康信息搜寻行为的影响因素进行了综合与分析。其中,有研究萃取了在线健康信息搜寻行为的16个影响因素,并引入集成决策实验室法-解释结构模型,深入分析了各因素之间的层级逻辑关系和作用路径[12]。另有研究则依托ELM模型,通过调查问卷构建了社区用户健康信息搜寻行为影响因素的研究模型,揭示了影响用户行为的多种因素[13]。针对老年用户群体,有研究采用半结构化访谈方法,收集了24位老年用户的在线健康信息搜寻经历,并运用扎根理论提炼出内外5个影响因素,构建了老年用户在线健康信息搜寻行为影响因素的理论模型[14]。同时,还有研究利用元分析方法进一步探究了影响因素与在线健康信息搜寻的调节效应[15]。为了更精准地把握用户需求,有研究利用TAM模型构建了在线健康社区用户信息共享与搜寻行为意愿的影响因素模型,探讨了影响用户同步实施这两种行为的因素[16]。此外,基于“信息-动机-行为”技巧模型(IMB模型),另有研究深入分析了突发公共卫生事件下中老年人在线健康信息搜寻行为的内在机理和影响因素[17]。在国际视野中,也有研究通过定性方法探讨了老年人进行在线健康信息搜寻的行为动机[18],以及老年人对在线健康信息搜寻的接受程度、潜在的利用潜力和可能遇到的障碍[19]。这些研究不仅关注了老年人在线健康信息搜寻的影响因素和障碍,还探讨了其信息来源,旨在支持老年人的医疗和健康决策[20]。综上所述,已有研究主要集中在健康信息搜寻行为动机、健康信息搜寻模式与健康信息行为及其影响因素等方面,探究老年人健康管理的需求、对疾病的预防与应对及生活方式的改善,揭示老年人信息搜寻行为的规律和特点,理解健康信息如何影响个体的健康决策、健康行为以及健康结果,并探讨影响健康信息行为的各种因素。本研究利用DTM动态主题模型,从主题演化、主题语义演化路径与主题信息熵趋势3个视角对老年人在线健康信息搜寻进行深入分析。

2 研究方法

2.1 研究设计

首先,本研究从新浪微博平台获取老年人在线健康搜寻相关数据信息;其次,将数据信息中的文本内容与时间作为语料库数据,清洗数据后按时间顺序划分不同的时间窗口;再次,构建DTM模型识别研究主题,获取“主题-词矩阵”与“文档-主题矩阵”文件;最后,依次进行主题强度计算,老年人在线健康搜寻研究热点主题识别与分析,采用可视化方法展示主题强度演化趋势及从细粒度层面分析主题关键词演化路径,具体过程详见图1
Fig.1 Research design

图1 研究设计

Full size|PPT slide

2.2 相关方法

DTM是一种基于LDA的主题模型,对文本数据进行话题建模,并随时间的推移来发现话题的变化[21]。DTM将时间作为一个隐变量引入到LDA模型中,使得模型可以对话题的演化进行建模。具体来说,DTM将文本数据分成多个时间片段,每个时间片段都对应一个LDA模型,而这些LDA模型之间是通过共享话题分布来联系起来的。在训练过程中,DTM会同时考虑当前时间片段和前一个时间片段的文本数据,以此来发现话题的演化。例如,有学者使用图书馆与信息科学(LIS)领域的数据集通过动态主题模型(DTM)模型来量化主题演化中基于单词的语义分布和变化特征的解决方案[22]。另有研究利用DTM模型分析美国人工智能战略报告,从时间维度挖掘美国人工智能战略的阶段战略重心及主题演化趋势,并总结相关经验提出优化中国人工智能领域的发展战略与规划[23]。此外,针对能源科技领域的专利文本数据,也有研究利用DTM模型揭示该领域颠覆性技术主题的发展状况[24]。同时,还有学者选取国内外话语权相关研究文献,采用DTM动态主题模型对其进行主题挖掘,对比分析国内外话语权研究的现状及存在的差异[25]
在信息论中,信息熵是一种用于量化系统不确定性的重要工具。它提供了一种有效的方法来度量一个系统中的混乱程度或者有序程度。信息熵最初由香农提出,现已被广泛应用于各个领域,包括演化模型改进[26,27]、风险分析评价[28]与评价权重系数[29]等,其计算公式如(1)所示。
H=H(P1,P2,,Pn)=  -ki=1nPi log Pi
(1)
式中,Pi满足:0≤Pi≤1(i=1,2,…,n),k为比例系数。在一个复杂系统中,某个属性取值的不确定性程度愈高,则系统展现出更强的混乱性特征,此时该属性下的信息熵值相应增大,意味着它所能提供的有价值信息量减少,进而降低了该属性在整体分析中的重要性[30]。信息熵作为一种精准且高效的度量手段,已经在多个领域如聚类分析、孤立点检测及不确定性量化等方面得到了广泛而深入的应用,充分展现了其在处理复杂系统信息中的独特价值。

3 数据来源与处理过程

3.1 数据来源

社交媒体平台是在线信息的集散地,个人通过社交媒体平台提出信息需求,利用大数据推送进行在线健康信息搜寻,最终获得满足信息需求的数据。新浪微博作为中国最受欢迎的社交媒体之一,其活跃用户数量非常可观,用户可以通过关注其他用户、评论、转发和私信等方式加强社会互动。新浪微博信息更新迅速,分享方便,时效性强。
本研究选取社交媒体“新浪微博”作为数据来源,以“老年人健康”为检索词,通过网络爬虫技术获取新浪微博网站上与在线健康信息搜寻相关的信息和数据,共237 654条,数据采集时间从2016年1月1日—2023年12月31日,数据采集内容包括微博内容和发布时间两类属性。

3.2 数据处理

本研究统计20162023年新浪微博在线健康信息搜寻相关数据量,大致分为起步阶段、发展阶段及平稳阶段,如图2所示。为尽量平衡每个时间窗口的数据量,本研究将其划分为以下3个时间窗口。起步阶段为20162018年(20 535条);发展阶段为20192020年(65 394条);稳定阶段为20212023年(117 285条)。
Fig.2 Statistics in each year

图2 各年度相关数据量

Full size|PPT slide

本研究对文本数据清洗和预处理,主要包括去除停用词、特殊符号、数字等,将文本转化为词条形式,构建自定义词典,删除掉重复问题和话题中与老年人健康本身无关的广告等数据信息,确保清洗后的文本数据符合研究内容,最终获得203 214条有效数据。通过Python中的Jieba库进行分词,并通过加载用户自定义字典防止部分词汇被错误切割。同时文档中出现的功能词、低信息密度词汇被加入到词袋中,会降低主题建模的效率以及质量,所以对分析结果进行去除停用词操作。本研究使用哈工大停用词词表并加入部分人工筛选停用词将这些词过滤掉。
本研究利用LDA预先确定主题的个数,通过计算一致性以获得最优主题个数。困惑度在LDA模型中广泛应用于确定主题数量,是判断最优主题数k的重要标准。本研究调用Gensim包中的困惑度函数,通过Perplexity-topic number确定最佳的主题数k。如图3所示,根据计算结果,当主题数达到20时,LDA模型对数据的提取效果最好。
Fig.3 Topic confusion

图3 主题困惑度

Full size|PPT slide

4 数据分析

4.1 研究主题结果

本研究基于DTM模型“主题-主题词矩阵”,通过比较各年份下主题及主题词概率,筛选前10个最能体现其研究主题的关键词并归纳对应主题,老年人在线健康信息搜寻研究主题主要集中在“老年病症”“经济陷阱”及“运动保健”等20个主题,详见表2。老年人关注的健康信息类型有身体医疗养护、财产安全保护、社会助老爱老关怀、疫情内外联防联控和衣食住行等信息。
Table 2 Research topics of health information that elderly people search

表2 老年人在线健康信息搜寻研究主题

编号 主题 主题词(Top10)
0 老年病症 综合征、口服液、炎症、肺癌、病人、颗粒、肾脏、神经、器官、病情
1 经济陷阱 受害者、现金、电脑、谣言、语音、疗程、手环、晶状体、电信、地方
2 运动保健 平衡、气候、晨练、脊柱、步行、运动量、腿部、衣服、消耗、泡脚
3 高危风险 年龄、老年型、动脉硬化、急性、高血脂、障碍、动脉、血栓、风险、心梗
4 医疗素养 生活习惯、肝功能、隐患、消防、医学科、能力、骨关节、颈椎、病人、素养
5 疫情管控 医用、医学观察、聚餐、轨迹、密切接触、室内空气、阳性、常态、咽痛、信息
6 文体旅游 家乡、机不可失、水墨、文体、活动中心、人间、贡献、宣传片、陪伴、保额
7 医疗诈骗 神药、维权、资金、高额、领域、财产、心理、陷阱、公安、资格
8 起居安全 药房、自然人、马桶、住宅、众生、关系人、民事法律、老板、疾控局、家具
9 饮食均衡 厨房、蜂蜜、能力、心动、氨糖、摄入量、食盐、风险、冰箱、监管局
10 中医养生 人参、补气、舌头、功效、唾液、遗尿、手指、拇指、成人、黄芪
11 疾病诊治 服药、病房、计生委、电话、载体、生物、残疾、专科、入院、百岁老人
12 科技养老 数据、算法、特困、战略、高质量、住房、职业、乡村、目标、计划
13 病毒传播 机关、环境卫生、分区、体温、入境、防线、校园、扎实、层层加码、成果
14 食疗保健 免疫力、症状、胃肠、软骨、成分、早餐、优质、矿物质、物质、脂肪酸
15 视觉障碍 眼疾、步行、干眼症、眼镜、大讲堂、视物、诊室、光线、老花眼、视觉
16 疫情出行 口罩、阴性、交通工具、机动车、公告、凭证、手机、户外活动、图书馆、通告
17 心理健康 僵硬、道路、内心、紧张、健康状况、中年人、记忆、手指、乐观、记忆力
18 社会关怀 常住人口、社会工作、党史、工作者、电话、邻里、物业、家园、常识、能力
19 医疗健康 朋友、屏障、医学观察、密切接触、方舱、传染性、抗原、效果、病人、定点医院

4.2 主题结果分析

4.2.1 主题演化分析

主题河流图主要用于表示事件或主题等在一段时间内的变化。它由不同颜色的条带状河流分支组成,每个分支编码了不同的事件或主题,而河流分支的宽度则编码了原数据集中的值,河流的宽度表明了主题的强度。河流越宽,主题强度就越大,主题热度就越大。本研究通过河流图来展示老年人在线健康信息搜寻各个主题的研究热度随时间变化情况,如图4所示。
Fig.4 Topic river map

图4 主题河流图

Full size|PPT slide

主题0“老年病症”、主题12“科技养老”、主题14“食疗保健”、主题17“心理健康”及主题18“社会关怀”的研究热度较高。老年人在日常生活中往往更注重生理健康的信息需求,比如如何保持身体健康、预防疾病等。然而,在特殊情景或特殊事件下,老年人的心理健康同样需要得到更多的关注。同时,相关部门重视老年人心理健康,针对抑郁、焦虑等常见精神障碍和心理行为问题,开展心理健康状况评估和随访管理,为老年人特别是有特殊困难的老年人提供心理辅导、情绪纾解、悲伤抚慰等心理关怀服务[31]。因此,老年人会通过在线社交媒体平台来寻找支持和认同并与他人进行交流和互动。在该过程中,老年人可能会遇到一些与心理健康相关的信息。在线社交媒体平台不仅可以提供老年人与他人进行交流和互动的机会,还可以引发和影响老年人的在线健康信息搜寻行为。当老年人在社交媒体上看到其他人分享的健康信息或者健康经验时,老年人可能会产生兴趣并想要了解更多。
主题1“经济陷阱”、主题5“疫情管控”、主题7“医疗诈骗”、主题13“病毒传播”、主题16“疫情出行”及主题19“医疗健康”的研究热度整体呈现先上升后下降的趋势。其中,1“经济陷阱”、主题5“疫情管控”及主题16“疫情出行”研究热度从2016年开始上升并于2020年达到峰值,随后大幅下降并保持平稳;主题7“医疗诈骗”研究热度从2016年开始上升并于2018年达到峰值,随后略有下降并保持平稳;主题13“病毒传播”研究热度分别于2017年年中达到峰值,随后略有下降并保持平稳,主题19“医疗健康”研究热度2017年第一季度结束时达到峰值,随后大幅下降并保持平稳。2020年由于COVID-19疫情的影响,全球经济遭受重创,经济陷阱问题变得更加突出,疫情管控也逐渐受到重视。随着疫情的全球蔓延,疫情管控策略和方法的研究热度在2020年达到高峰,日常出行与疫情期间的交通出行和旅行限制紧密相关。受病毒变异和冬春季气候因素影响,疫情传播范围和规模有可能进一步扩大,防控形势仍然严峻复杂,必须保持战略定力,科学精准做好疫情防控各项工作。政府及社会各界要适应病毒快速传播特点,以快制快,采取更为坚决、果断的措施,尽快遏制疫情扩散蔓延,集中力量打好重点地区疫情歼灭战[32]。老年人通过个人价值体系来评估和感知在线健康信息搜寻所获取的信息是否有价值,其价值体系通常基于生活经验、文化背景和个人信仰等。老年人更注重健康信息的质量和可靠性,以保障生命健康和安全。老年人的身体状况是其关注健康信息的主要原因之一。随年龄增长,老年人的身体状况逐渐下降,需要更多的医疗保健和关注。因此,老年人更加重视与健康相关的信息,并希望通过这些信息来提高生活质量。此外,老年人的生活保障和财产安全也是关注的重要问题之一。开展打击整治养老诈骗专项行动以来,全国专项行动办公室会同各地各有关部门坚持依法打击、整治规范、宣传教育“三箭齐发”,打了一场打击整治养老诈骗整体战、攻坚战[33]。老年人需要确保自己的生活质量和财产安全,以保障晚年生活。因此,老年人需要了解相关的政策和法规,以及如何保护自己的财产和权益。
主题2“运动保健”、主题3“高危风险”及主题6“文体旅游”从2016年到2023年的研究热度保持适度平稳且没有大幅度变化。主题4“医疗素养”、主题8“起居安全”、主题9“饮食均衡”、主题10“中医养生”、主题11“疾病诊治”及主题15“视觉障碍”的研究热度较低但平稳。老年人对健康生活方式和体育锻炼保持兴趣,并迎合健康旅游和体育旅游的融合发展趋势。虽然老年人对这些主题关注度不如前几个主题高,但其在各自的领域内仍具有一定的研究价值和应用前景。“医疗素养”和“疾病诊治”等主题的研究,有助于提升公众的健康意识和医疗水平,“起居安全”和“饮食均衡”等主题的研究,则有助于提高人们的生活质量和健康状况。围绕老年人等重点人群,聚焦合理膳食、科学运动、“减盐、减油、减糖、健康口腔、健康体重、健康骨骼”(简称“三减三健”)等重点主题,国家不断创新健康科普的理念、视角、模式,组织策划开展健康相关主题宣传教育活动,不断提升宣传活动影响力,掀起健康素养宣传推广的热潮[34]。老年人通过在线健康信息搜寻获取的信息进行有用性感知和风险性感知。在线健康信息搜寻为老年人提供了一个获取健康信息的重要渠道,但这个过程中也存在着一定的风险。老年人可能会遇到一些不可靠、不准确甚至是虚假的信息,这可能会给其带来误导和不必要的损失。因此,老年人的感知有用性和感知风险性会直接影响其在线健康信息搜寻行为。

4.2.2 主题语义演化分析

本研究采用基于词向量的主题分析方法,深入探究了老年人在线健康信息搜寻的主题演化趋势。首先,本研究利用word2vec模型,将大量的主题词转化为高维向量。word2vec模型通过学习文本的上下文信息,将每个词表示为一个高维向量,这些向量在语义上相近的词会聚集在一起,从而捕捉到了词与词之间的语义关系。其次,本研究采用了t-SNE算法进行线性降维。t-SNE是一种非线性降维算法,能够在保持数据点之间局部关系的同时,将高维数据降至低维,便于本研究进行后续的聚类和可视化操作。最后,本研究利用K-means算法对词向量进行聚类。K-means算法是一种基于距离的聚类算法,通过计算每个数据点到各个聚类中心的距离,将数据点划分到最近的聚类中。本研究根据词向量之间的余弦距离进行聚类,余弦距离能够反映词向量在方向上的差异,更能体现词之间的语义关系。本研究得到不同语义概念的词簇,词簇变化表明老年人在线健康信息搜寻主题语义的演化趋势,演化趋势特征反映主题在不同语义概念之间的分布,如图5所示。
Fig.5 Topic semantic evolution diagram

图5 主题语义演化图

Full size|PPT slide

主题0“老年病症”、主题2“运动保健”、主题3“高危风险”、主题7“医疗诈骗”及主题14“食疗保健”语义概念集中。例如,主题0“老年病症”语义集中在cluster4、cluster6、cluster7、cluster12、cluster16及cluster17。cluster16与cluster7于2021年语义趋势发生变化,cluster16至2023年持续下降到0.5左右,cluster7至2023年持续上升0.1,其他词簇自2016年至2023年始终保持不变。
主题1“经济陷阱”、主题4“医疗素养”、主题5“疫情管控”、主题6“文体旅游”、主题9“饮食均衡”及主题16“疫情出行”语义概念分散且变化明显。例如,主题16“疫情出行”语义集中在cluster2、cluster3、cluster5、cluster6、cluster10、cluster16、cluster17、cluster18及cluster19。其中,cluster3自2017年至2021年持续上升至0.4,至2022年保持平稳,后又持续上升。cluster2与cluster5语义变化趋势波折,cluster16与cluster19自2016年至2023年始终保持不变。

4.2.3 主题信息熵分析

本研究通过信息熵的上升或下降趋势所反映的主题语义概念分布变化特征,揭示老年人在线健康信息搜寻主题的发展过程,如图6所示。20个主题从2016年到2018年呈平稳趋势,从2018年到2019年呈现明显上升趋势。从2019年到2023年呈现不同程度的上升或下降趋势。截至2018年底,60岁及以上老年人口达2.5亿,2018年中国人均预期寿命为77.0岁。中国老年人健康状况不容乐观,2018年中国人均健康预期寿命仅为68.7岁,老年人平均有8年多的时间带病生存,患有一种以上慢性病的比例高达75%,患病人数接近1.9亿,失能和部分失能老年人超过4 000万[35]。健康是保障老年人独立自主和参与社会的基础,推进健康老龄化是积极应对人口老龄化的长久之计。老年人对健康服务的需求愈发迫切。据此,老年人在线健康信息搜寻主题在2018年发生显著变化,老年人在线健康信息搜寻主题呈现多层次、多样化发展,促进老年健康服务公平性与可及性。
Fig.6 The entropy trend of the topics

图6 主题的熵趋势

Full size|PPT slide

主题2“运动保健”、主题8“起居安全”、主题12“科技养老”与主题13“病毒传播”整体呈现平稳趋势,据此,老年人对运动养生保健、日常生活起居便捷与安全及病毒流感预防等方面的健康信息需求处于持续稳定状态。
主题4“医疗素养”、主题5“疫情管控”、主题6“文体旅游”、主题9“饮食均衡”、主题11“疾病诊治”、主题15“视觉障碍”、主题16“疫情出行”、主题18“社会关怀”及主题19“医疗健康”呈现总体上升趋势。老年人在疫情期间由于出行限制和居家封控隔离,面临着前所未有的困境。旅游活动作为休闲娱乐的重要方式,受到了极大的限制。然而,随着疫情的缓解和防控措施的逐步解除,许多老年人开始重新规划自己的旅游行程,渴望能够走出家门,欣赏大自然的美景,感受不同文化的魅力。基于对旅游的强烈需求,老年人重新找回了生活的乐趣,也在一定程度上提升了其医疗健康素养。此外,老年人对于社会助老爱老关怀的关注度也在不断扩大。老年人渴望得到更多的社会关注和照顾,特别是在医疗、健康、生活等方面。这种关注度的提升,不仅反映了老年人对于自身权益的维护意识在增强,也体现了社会对老年群体的重视和关怀在不断提升。老年人对等医学健康信息、文化旅游和养生运动、日常饮食均衡及社会助老爱老关怀的关注度处于扩张状态,反映了老年人在疫情背景下生活方式的转变和需求的变化。老年人开始更加关注自己的身体健康状况,追求更高质量的生活方式,同时也期望得到更多的社会关注和照顾。这种转变不仅对老年人自身的发展有着重要的影响,也对社会的进步和发展提出了新的要求和挑战。
主题0“老年病症”、主题3“高危风险”、主题14“食疗保健”、主题1“经济陷阱”、主题7“医疗诈骗”、主题10“中医养生”及主题17“心理健康”呈现总体下降趋势。其中,主题0“老年病症”、主题3“高危风险”及主题14“食疗保健”呈现持续下降趋势;主题1“经济陷阱”呈现先平稳后下降趋势;主题7“医疗诈骗”呈现先上升再下降后平稳趋势;主题10“中医养生”及主题17“心理健康”先下降后上升趋势。在突发公共卫生事件期间,老年人对由此引发的管控体系变化以及自身金融合法权益的维护表现出了极高的关注度。因此,老年人密切关注政府发布的各项管控措施和政策调整,以及这些措施可能对他们产生的影响。随着疫情的有效控制,医疗诈骗行为随医疗数据和医疗形势的逐渐明朗而减少,老年人的金融合法权益也得到了有效的保障。然而,随着疫情的结束,老年人对医疗健康等的关注度逐渐降低。老年人逐渐放松对疾病的警惕,认为疫情已经过去,自己的健康状况也得到了有效的保障。但值得注意的是,这种放松警惕的心态可能会增加老年人患病的风险,因此,老年人仍然需要保持对老年常见疾病的关注和预防。养老年人对药食同补等养生理念、老年常见病与风险、身体与心理健康及经济财产安全的关注度处于收敛状态。老年人逐渐回归正常的生活节奏和社交模式,对养生理念和经济财产安全的关注度也相应降低,但老年人仍然需要保持对这些问题的关注和重视,以确保自己的身心健康和经济安全。

5 结论

本研究获取新浪微博平台2016年至2023年有关老年人健康信息搜寻的发文数据,经过预处理后,得到一个庞大的文本数据集,并运用DTM模型对这个数据集进行主题建模。
在主题演化方面,本研究通过观察各个主题在不同时间点的活跃程度,分析主题在时间轴上的变化趋势。在主题语义演化方面,本研究深入分析各个主题的关键词组成和不同时间点语义内涵。利用语义分析技术,揭示了各个主题在语义层面上的演变轨迹。在主题信息熵趋势方面,本研究计算每个主题在不同时间点的信息熵值,并分析了它们的变化趋势,通过对比不同时间点的信息熵值,揭示出社会舆论在不同时期的特点和差异。
(1)从主题演化角度来看,老年人在线健康信息搜寻关注的焦点经历了不同的变化过程。在早期阶段,老年人主要关注“文体旅游”“科技养老”和“心理健康”等方面的信息,这些信息与老年人的身体健康和心理健康直接相关。然而,随着社会的发展和老年人口的不断增加,老年人对“社会关怀”等社会因素的关注也在逐渐增加。社会因素对老年人在线健康信息搜寻的影响较大。社会支持和交互与认同对老年人的心理健康非常重要。此外,社会对老年人的关怀和尊重程度也会影响老年人对在线健康信息搜寻的参与度和满意度。技术因素也是影响老年人在线健康信息搜寻的重要因素之一。老年人对技术的感知有用性和感知风险性会影响老年人对在线健康信息搜寻的参与度和满意度。
(2)从主题语义演化角度来看,“老年病症”“运动保健”“高危风险”“医疗诈骗”及“中医养生”等主题在语义上呈现出相对集中态势。老年病症作为老年人面临的直接挑战,其相关信息的搜寻和获取显得尤为重要。运动保健和中医养生则是老年人追求健康生活的重要途径,一定程度上塑造了老年人对在线健康信息的关注点和需求。“经济陷阱”“医疗素养”“疫情管控”“文体旅游”及“疫情出行”等主题在语义概念上显得更为分散且变化显著。经济陷阱可能涉及老年人的投资理财、养老保障等多个方面,医疗素养则关系到老年人如何正确理解和使用医疗信息,以及如何在日常生活中做出有利于健康的决策。老年人通过感知价值能力在线搜寻并获取健康信息,即老年人对自己所拥有的资源、知识和技能的评估和认知,会直接影响老年人对在线健康信息搜寻的侧重点、参与度和满意度。
(3)从主题信息熵趋势角度来看,“运动保健”“起居安全”“科技养老”和“病毒传播”这些主题的信息熵趋势较为稳定,表明这些主题在老年人在线健康信息搜寻中一直占据着较为重要的地位,且没有出现明显的变化和波动。“医疗素养”“疫情管控”“文体旅游”和“饮食均衡”这些主题的信息熵趋势则呈现扩散趋势。“老年病症”“高危风险”和“食疗保健”这些主题的信息熵趋势则呈现收敛趋势。老年人在线健康信息搜寻的主题信息熵趋势存在差异,不同主题的信息熵趋势呈现不同的变化和演化过程。为了更好地了解老年人的需求和关注点,需要进一步深入研究各个主题的信息熵趋势,并针对不同主题的特点采取相应的措施来提高老年人在线健康信息搜寻的质量和效果。

References

1
中华人民共和国中央人民政府. 《“十四五”健康老龄化规划》印发——推动老年健康服务高质量发展[EB/OL]. [2024-03-23].
2
中华人民共和国中央人民政府. 高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[EB/OL]. [2024-03-23].
3
中华人民共和国中央人民政府. 中华人民共和国老年人权益保障法[EB/OL]. [2024-03-23].
4
中国互联网络信息中心. 第53 次《中国互联网络发展状况统计报告》[EB/OL]. [2024-03-23].
5
李月琳, 蔡文娟. 国外健康信息搜寻行为研究综述[J]. 图书情报工作, 2012, 56(19): 128-132.
LI Y L, CAI W J. A review of the studies on health information seeking behavior overseas[J]. Library and information service, 2012, 56(19): 128-132.
6
赵栋祥, 马费成, 张奇萍. 老年人健康信息搜寻行为的现象学研究[J]. 情报学报, 2019, 38(12): 1320-1328.
ZHAO D X, MA F C, ZHANG Q P. Exploring the health information seeking behavior of older adults in urban China: A phenomenological study[J]. Journal of the China society for scientific and technical information, 2019, 38(12): 1320-1328.
7
朱庆华, 杨梦晴, 赵宇翔, 等. 健康信息行为研究: 溯源、范畴与展望[J]. 中国图书馆学报, 2022, 48(2): 94-107.
ZHU Q H, YANG M Q, ZHAO Y X, et al. Health information behavior: History, category and prospect[J]. Journal of library science in China, 2022, 48(2): 94-107.
8
宋士杰, 齐云飞, 赵宇翔, 等. 冲突性健康信息对用户健康信息搜寻的影响: 基于不确定性视角的探究[J]. 图书情报工作, 2021, 65(11): 24-32.
SONG S J, QI Y F, ZHAO Y X, et al. The impact of conflicting health information in consumers' health information seeking: An investigation of uncertainty[J]. Library and information service, 2021, 65(11): 24-32.
9
周晓英, 蔡文娟. 大学生网络健康信息搜寻行为模式及影响因素[J]. 情报资料工作, 2014(4): 50-55.
ZHOU X Y, CAI W J. Universities students online health information seeking behavior patterns and influencing factors[J]. Information and documentation services, 2014(4): 50-55.
10
邓胜利, 付少雄, 陈晓宇. 信息传播媒介对用户健康信息搜寻的影响研究——基于健康素养和信息检索能力的双重视角[J]. 情报科学, 2017, 35(4): 126-132.
DENG S L, FU S X, CHEN X Y. The role of information media on user health information seeking - Based on health literacy and information retrieval capability perspectives[J]. Information science, 2017, 35(4): 126-132.
11
THEIS S, SCHÄFER K, SCHÄFER D, et al. The relationship between individual coping and the need to have and seek health information among older adults: Exploratory mixed methods study[J]. JMIR human factors, 2021, 8(1): e15858.
12
赵文军, 孟凯, 马锦辉, 等. 基于DEMATEL-ISM的在线健康信息搜寻行为影响因素研究——来自国内外实证研究的元分析[J]. 信息资源管理学报, 2023, 13(2): 53-66, 80.
ZHAO W J, MENG K, MA J H, et al. Influencing factors of online health information searching behavior based on DEMATEL-ISM: From a meta-analysis of empirical studies at home and abroad[J]. Journal of information resources management, 2023, 13(2): 53-66, 80.
13
朱云琴, 陈渝. 双路径视角下在线健康社区用户健康信息搜寻行为影响因素研究[J]. 图书馆杂志, 2022, 41(10): 83-96.
ZHU Y Q, CHEN Y. Research on influencing factors of users' health information seeking behavior in online health community based on the perspective of dual paths[J]. Library journal, 2022, 41(10): 83-96.
14
刘嫣, 张海涛, 李佳玮, 等. 移动终端视角下的老年用户在线健康信息搜寻行为影响因素研究[J]. 图书情报工作, 2021, 65(11): 46-54.
LIU Y, ZHANG H T, LI J W, et al. Research on influencing factors of online health information search behaviors of elderly users from the perspective of mobile terminals[J]. Library and information service, 2021, 65(11): 46-54.
15
刘嫣, 张海涛, 张鑫蕊, 等. 基于元分析的用户在线健康信息搜寻行为影响因素研究[J]. 情报科学, 2022, 40(2): 169-176.
LIU Y, ZHANG H T, ZHANG X R, et al. Influencing factors of users' online health information seeking behavior based on meta-analysis[J]. Information science, 2022, 40(2): 169-176.
16
相甍甍, 孙畹婷, 王晰巍, 等. 在线健康社区用户复合信息行为的实证研究——信息共享和信息搜寻同步的视角[J]. 情报科学, 2022, 40(7): 111-119, 135.
XIANG M M, SUN W T, WANG X W, et al. Recognition and prediction of emerging topics in interdisciplinary scientific research collaboration based on scits conference text[J]. Information science, 2022, 40(7): 111-119, 135.
17
周培宇, 梁昌勇, 马一鸣. COVID-19背景下基于IMB模型的中老年人在线健康信息搜寻行为影响机制研究[J]. 中国管理科学, 2022, 30(3): 76-84.
ZHOU P Y, LIANG C Y, MA Y M. Research on the influence mechanism of online health information seeking behavior of middle-aged and older adults based on the IMB model in the context of COVID-19[J]. Chinese journal of management science, 2022, 30(3): 76-84.
18
POURRAZAVI S, HASHEMIPARAST M, BAZARGAN-HEJAZI S, et al. Why older people seek health information online: A qualitative study[J]. Advances in gerontology, 2021, 11(3): 290-297.
19
ZHAO Y C, ZHAO M Y, SONG S J. Online health information seeking behaviors among older adults: Systematic scoping review[J]. Journal of medical Internet research, 2022, 24(2): e34790.
20
BACHOFNER Y, SEIFERT A, SEPAHNIYA S, et al. Exploring online health information seeking and sharing among older adults: A mini-review about acceptance, potentials, and barriers[J]. Frontiers in digital health, 2024, 6: 1336430.
21
XU Z X, CHEN L, DAI Y M, et al. A dynamic topic model and matrix factorization-based travel recommendation method exploiting ubiquitous data[J]. IEEE transactions on multimedia, 2017, 19(8): 1933-1945.
22
GAO Q, HUANG X, DONG K, et al. Semantic-enhanced topic evolution analysis: A combination of the dynamic topic model and word2vec[J]. Scientometrics, 2022, 127(3): 1543-1563.
23
吴瑞鹏, 李勇男, 刘帅, 等. 基于DTM的美国人工智能战略热点主题及演化分析[J]. 情报杂志, 2023,42(12): 134-143.
WU R P, LI Y N, LIU S, et al. DTM - based analysis of hot topics and evolution of American artificial intelligence strategy[J]. Journal of intelligence, 2023,42(12): 134-143.
24
吕鲲, 项旻昊, 靖继鹏. 基于LDA2Vec和DTM模型的颠覆性技术主题识别研究——以能源科技领域为例[J]. 图书情报工作, 2023, 67(12): 89-102.
LV K, XIANG M H, JING J P. Identification of disruptive technology topics based on LDA2Vec and DTM models: A case study in the energy technology field[J]. Library and information service, 2023, 67(12): 89-102.
25
邱均平, 胡博, 徐中阳, 等. 基于DTM模型的国内外话语权研究主题挖掘及比较分析[J]. 情报理论与实践, 2023, 46(2): 24-34.
QIU J P, HU B, XU Z Y, et al. Topic mining and comparative analysis of discourse power research in China and overseas based on DTM model[J]. Information studies: Theory & application, 2023, 46(2): 24-34.
26
黄飞虎, 彭舰, 宁黎苗. 基于信息熵的社交网络观点演化模型[J]. 物理学报, 2014, 63(16): 160501.
HUANG F H, PENG J, NING L M. Opinion evolution model of social network based on information entropy[J]. Acta physica sinica, 2014, 63(16): 160501.
27
李根强, 刘莎, 张亚楠, 等. 信息熵理论视角下网络集群行为主体的观点演化研究[J]. 情报科学, 2020, 38(1): 42-47, 86.
LI G Q, LIU S, ZHANG Y N, et al. Research on the opinion evolution in online collective behavior from the perspective of information entropy[J]. Information science, 2020, 38(1): 42-47, 86.
28
许子媛. 基于信息熵的图书馆联盟风险分析评价模型构建[J]. 情报科学, 2016, 34(4): 23-28.
XU Z Y. Building of the analysis and evaluation model of the library consortia risk based on information entropy[J]. Information science, 2016, 34(4): 23-28.
29
郝桂荣. 基于信息熵-AHP组合权重系数的图书馆服务质量多层次模糊综合评判研究[J]. 现代情报, 2010, 30(2): 133-136, 141.
HAO G R. Study on multi-leve fuzzy integrative evaluation based on entropy weigh and AHP's combined weight coefficient on library service quality evaluation[J]. Journal of modern information, 2010, 30(2): 133-136, 141.
30
赵兴旺, 梁吉业. 一种基于信息熵的混合数据属性加权聚类算法[J]. 计算机研究与发展, 2016, 53(5): 1018-1028.
ZHAO X W, LIANG J Y. An Attribute weighted clustering algorithm for mixed data based on information entropy[J]. Journal of computer research and development, 2016, 53(5): 1018-1028.
31
中华人民共和国中央人民政府.关于全面加强老年健康服务工作的通知[EB/OL]. [2024-03-23].
32
中华人民共和国中央人民政府. 关于进一步优化新冠肺炎疫情防控措施 科学精准做好防控工作的通知[EB/OL]. [2024-03-23].
33
国家市场监督管理总局. 且看不法分子坑人的“三十六计”——全国打击整治养老诈骗专项行动典型案例及背后养老诈骗“套路”分析解读[EB/OL]. [2024-03-23].
34
中华人民共和国中央人民政府. 关于开展全民健康素养提升三年行动(2024-2027年)的通知[EB/OL]. [2024-03-23].
35
中华人民共和国中央人民政府. 《关于建立完善老年健康服务体系的指导意见》政策解读[EB/OL]. [2024-03-23].
Share on Mendeley
PDF(1483 KB)

75

Accesses

0

Citation

Detail

Sections
Recommended

/