1. 引言
根据国家统计局显示，2021年末，60周岁及以上人口26736万人，占总人口数的18.9%；2022年末，60周岁及以上人口2804万人，占总人口数的19.8%。老年人口比例不断增长，养老形势严峻。国家卫健委统计公报显示，2021年我国人口平均预期寿命78.2岁。上海市卫生健康工作会议公布，2021年上海市民平均预期寿命达到84.11岁。老年人的平均寿命不断延长的同时，高龄老人数量持续增长，高龄老年人的生活自理能力在逐渐减弱，给家庭带来极大的养老压力。基于此背景下，涌现出一批新型养老模式，例如我国提出建设以居家为基础、社区为依托、机构为支撑、医疗卫生与养老服务相合的养老服务体系[1]。但是受传统观念影响，居家养老仍然是当今社会主要的养老方式。随着物联网、云计算、大数据和互联网技术的发展，以及与养老服务领域深度融合，赋予居家养老新活力的智慧居家养老应运而生，实现了科技与居家养老资源的紧密结合，能够满足老年人多样化的养老需求[2]。科技助力居家养老，势必会提高老年人的生活品质，使老人安乐享晚年。
2. 资料的来源与方法
2.1. 数据来源
以“中国知网CNKI”数据库为资料来源，检索策略为智慧and居家养老，检索条件为“精确”，限定文献类型为“期刊论文”，检索时间为2013年1月1日至2023年12月31日(检索时间截至2023年2月17日)。共检索出相关期刊文献544篇，通过阅读文献，手动剔除与主题不符论文，最终得到有效文献378篇，以Refworks格式导出。
2.2. 研究方法
本文运用CiteSpace 6.2.R6软件对CNKI数据中智慧居家养老领域的文献进行可视化分析，绘制作者和机构共现图谱、关键词共现、聚类、突现和时间线图谱，根据节点、连线、交叉等多种关系来解读图谱，对该领域的现状及前沿趋势进行深入的分析。
2.3. 分析工具
本研究所使用的分析是由美国德雷塞尔大学陈超美教授开发的信息可视化软件CiteSpace [3]，其可视化图形被称为“科学知识图谱”[4]。在CiteSpace软件界面中，时间区域为2013~2023年，时间切片为1年，文中选取的节点类型分别为“关键词”、“机构”和“作者”。
3. 结果
3.1. 年度发文量统计
某研究方向的发文数量变化与趋势可以反映出该研究在特定时间段的研究热点与发展，是衡量该学科发展态势的重要指标，对探究该学科未来发展趋势有重要意义[5]。在检索出的307篇中文期刊中，通过观察每年期刊的发布数量，能够直观判断智慧居家养老领域的发展以及学界的关注度。由图1可以看出，2017年发表的论文数量占全部数量的9.8%；2017年以后发表的论文数量占全部数量的90.2%；总体趋势方面来看，年发文量整体呈上升趋势；2013~2016年增长缓慢，2016~2017年开始急剧增长，这与政府颁发的《智慧健康养老产业发展行动计划(2017~2020年)》等一些列政策息息相关。
Figure 1. Number of articles on smart home-based elderly care from 2013 to 2023
图1. 2013~2023年智慧居家养老发文量
3.2. 作者合作网络与机构合作网络分析
3.2.1. 作者合作网络
通过作者的发文量以及作者之间的合作关系，可以探究作者之间的联系紧密程度。运用CiteSpace 6.2.R6软件，对所建立的智慧居家养老领域的文献建立数据库，时间范围选择为从2013~2023，设置时间切片为一年，然后选择“作者”作为节点类型，建立作者合作网络知识图谱，构成图2的作者共线图谱。节点文字大小代表发文量的频率高低，节点之间的连线代表作者之间的合作关系，连线越粗，则作者之间交流越多，他们的联系越为紧密。图中知识图谱中，共形成227个网络节点，93条连线，密度为0.0036。目前“智慧居家养老”领域已有部分权威作者，学术界一般认为该领域发文量超过两篇的作者为核心作者，则本文的核心作者如表1。核心作者发文量为没有达到50%，暂时没有形成智慧居家养老领域的核心作者合作网络，但是随着该领域年发文量的渐增，作者合作网络或将在不久后形成。其中也有以张卫东、齐智和傅博岩为中心的联系较为紧密的大团队，以及以齐智、吴树森、杨静和李雨谦等为中心的小团体，其余研究者之间则联系不紧密，较为分散。
Figure 2. Collaborative knowledge graph of smart home care authors from 2013 to 2023
图2. 2013~2023年智慧居家养老作者共线知识图谱
Table 1. Number of author posts in the field of smart home from 2013 to 2023
表1. 2013~2023年智慧居家领域作者发文量
序号 |
作者 |
发文量 |
1 |
安庆 |
2 |
2 |
张卫东 |
2 |
3 |
邢永杰 |
2 |
4 |
彭庆超 |
2 |
5 |
刘康华 |
2 |
6 |
江博 |
2 |
7 |
唐忠 |
2 |
8 |
刘建兵 |
2 |
9 |
刘晓宇 |
2 |
10 |
付珈珈 |
2 |
11 |
王伟 |
2 |
12 |
齐智 |
2 |
13 |
吴树森 |
2 |
14 |
贾玉娇 |
2 |
15 |
吕津 |
2 |
16 |
陈星海 |
2 |
17 |
沈广和 |
2 |
18 |
加瑞芳 |
2 |
19 |
王丛 |
2 |
3.2.2. 机构合作网络
机构发文量也可以从侧面体现某一主题的研究方向与研究广深度。选择“机构”作为节点类型，将所选文献利用软件进行可视化，建立机构共线网络知识图谱，如图3，共形成195个节点，46条连线。从图中可以看出，文献的研究机构多为高校或者科研院所，不同机构之间合作较少。其中，发文量最多的机构是上海工程技术大学管理学院，发文量为4篇，其次是吉林大学哲学社会学院、上海工程技术大学和哈尔滨商业大学以发文量3篇位居第二，如表2。
Figure 3. Knowledge graph of smart home care institutions from 2013 to 2023
图3. 2013~2023年智慧居家养老机构共线知识图谱
Table 2. Number of publications by institutions in the field of smart home-based elderly care from 2013 to 2023
表2. 2013~2023年智慧居家养老领域机构发文量
序号 |
机构 |
发文量 |
1 |
上海工程技术大学管理学院 |
4 |
2 |
吉林大学哲学社会学院 |
3 |
3 |
上海工程技术大学 |
3 |
4 |
哈尔滨商业大学 |
3 |
3.3. 关键词共现网络分析
关键词能够从侧面反映出某一领域的热点话题与焦点问题，是对论文内容的凝练。运用CiteSpace 6.2.R6软件，对所建立的智慧居家养老领域的文献建立数据库，时间范围选择为从2013~2023，设置时间切片为一年，然后选择“关键词”作为节点类型，建立关键词共线知识图谱，如图4。图中共生成228个节点，500条连线，节点越大，则该关键词出现的次数越多；节点的中心性越高，说明受到的关注越多，可以结合节点频率与节点的中心性来分析该领域的研究热点。从表2可以看出排名前十的高频关键词有：智慧养老、居家养老、智慧社区、互联网+、老龄化、医养结合、养老服务、社区养老、大数据与智慧。中心性大于0.1的关键词为关键节点，是该领域的研究热点，从表3可以看出智慧居家养老领域的研究热点是智慧养老和居家养老，也说明这两个关键词受到了学者的广泛关注。养老服务、养老模式和互联网+的中心性较高，但是出现的频次不高，说明三者在智慧居家养老领域的影响力较高，但是受到的关注与影响力不太匹配，这些方面将来还会是智慧居家养老领域研究的重点。
Figure 4. Keyword collinear map of smart home-based elderly care from 2013 to 2020
图4. 2013~2020年智慧居家养老关键词共线图谱
Table 3. Top 10 Keywords in the field of smart home care from 2013 to 2023
表3. 2013~2023年智慧居家养老领域中排名前十的关键词
序号 |
关键词 |
频次 |
中心性 |
最早出现的年份 |
1 |
智慧养老 |
129 |
0.79 |
2015 |
2 |
居家养老 |
102 |
0.51 |
2013 |
3 |
智慧社区 |
23 |
0.05 |
2013 |
4 |
互联网+ |
22 |
0.07 |
2016 |
5 |
老龄化 |
19 |
0.06 |
2016 |
6 |
医养结合 |
16 |
0.04 |
2016 |
7 |
养老服务 |
15 |
0.09 |
2017 |
8 |
社区养老 |
11 |
0.02 |
2017 |
9 |
智慧 |
10 |
0.04 |
2015 |
10 |
大数据 |
10 |
0.03 |
2017 |
11 |
养老模式 |
9 |
0.07 |
2016 |
12 |
养老 |
6 |
0.04 |
2016 |
13 |
老年人 |
6 |
0.03 |
2019 |
14 |
服务设计 |
6 |
0.03 |
2019 |
3.4. 关键词聚类网络分析
为了深入了解智慧居家养老不同时期的研究特点，对智慧居家养老领域的关键词进行聚类，得到关键词聚类图谱。共形成228个节点，500条连线(如图5)，密度为0.0193，其Q值为0.5192 > 0.3，说明该领域关键词社团结构显著，S值为0.8526 > 0.7，说明该领域的关键词聚类是高效的。排名前八的聚类有：＃0智慧养老、＃1智慧社区、＃2互联网+、＃3智慧、＃4医养结合、＃5养老服务、＃6老龄化、＃7影响因素。从图6时间图谱中可以看出，自2013年智慧养老出现起，智慧社区、居家养老就受到学者较多的关注，对该领域进行一定的摸索；随着老龄化的发展，智慧养老领域出现的问题增多，以及云计算、大数据等技术的飞速发展，使得聚类之间的联系更为紧密，相关研究成果也逐渐增加，智慧养老相关领域的研究不断细化、深化，养老领域需求与人才不平衡状态的出现，在2019年使老年人需求、服务设计等受到众多相关领域学者的关注；2020年，众多学者更是将目光转向了影响因素。
Figure 5. Keyword clustering map of smart home-based elderly care from 2013 to 2020
图5. 2013~2020年智慧居家养老关键词聚类图谱
Figure 6. Keyword clustering time map of smart home-based elderly care from 2013 to 2020
图6. 2013~2020年智慧居家养老关键词聚类时间图谱
通过LLR聚类法，LLR值最大的关键词就形成了聚类标签，每个聚类标签下包含关键词鼠不尽相同，选取每个聚类标签所包含的前三个关键词，形成表4。关键词之间的联系密切程度用紧密程度来表示，紧密程度的数值越大，聚类效果越好。总体来说，各聚类群的紧密程度均在0.8以上，聚类效果较好；而影响因素聚类的紧密程度大于0.9，说明其聚类效果很好。通过对智慧居家养老领域相关论文进行分类，可分为三个集群，分别为老龄化影响下的智慧居家养老模式、智慧居家养老的设计和影响智慧养老发展的影响因素。
Table 4. Key words for LLR clustering of smart home-based elderly care from 2013 to 2020
表4. 2013~2020年智慧居家养老LLR聚类关键词
聚类号 |
包含节点数 |
紧密程度 |
聚类名称 |
LLR对数似然标签值最大的关键词 |
0 |
50 |
0.828 |
智慧养老 |
智慧养老(20.68)；智慧社区(11.18)；社区居家(9.98) |
1 |
39 |
0.813 |
智慧社区 |
智慧社区(45.27)；居家养老(32.17)；服务模式(13.76) |
2 |
29 |
0.839 |
互联网+ |
互联网+ (20.72)；老年人(17.35)；养老模式(12.96) |
3 |
20 |
0.825 |
智慧 |
智慧(18.49)；养老(17.42)；居家(13.03) |
4 |
16 |
0.884 |
医养结合 |
医养结合(26.5)；大数据(16.22)；互联网(10.42) |
5 |
15 |
0.884 |
养老服务 |
养老服务(38.99)；智慧居家(10.8)；政府作用(5.37) |
6 |
13 |
0.876 |
老龄化 |
老龄化(25.03)；信息技术(10.8)；案例(5.37) |
7 |
7 |
0.915 |
影响因素 |
影响因素(16.64)；智慧居家养老技术(8.18)；参与意愿(8.18) |
3.5. 关键词突现分析
Figure 7. Time chart of keyword emergence for smart home-based elderly care from 2013 to 2020
图7. 2013~2020年智慧居家养老关键词突现时间图谱
突现词是在某一特定时期内频率显著上升的关键词，突现关键词基本为某一研究领域的热点问题[6]。关键词突现强度表现学界对其的关注度，通过CiteSpace软件共检测到21个强度较高的突变词，如图7。突变的关键词用keyword表示，原文发表的年份用year表示，突现强度体现为strength，突现词开始和结束的时间用began和end来展现，加粗部分的红色线条是突现词出现在的时间段。并且下图表明，大数据、文献计量、南宁市、智慧城市还会是未来一段时间的关注热点。
4. 讨论
4.1. 发文量渐增，总体趋势向好
首先，从近十年来智慧居家养老领域相关文献的年发文量来看，学界对于“智慧居家养老”或者“互联网 + 养老”的研究还处于发展上升阶段。2016上升速度开始急剧增长，这可能与政府颁布的《智慧健康养老产业发展行动计划(2017~2020年)》等一些列政策密切相关，为智慧居家养老的发展提供了较好的环境，并逐渐受到国内学者的关注。随着中国老龄人口不断增多，社会照顾老年人负担加重，以及互联网等技术的迅猛发展，如何把养老与科技进行结合，去服务好更多的养老产业成为了该领域的研究焦点。研究机构图谱中显示，各研究机构之间较为分散，联系不够紧密，以上海为主的东部试点为发展的较早，实行的区域更多。
4.2. 透过图谱看焦点，分集群讨论热点
透过上文的关键词共线知识图谱、时间线谱以及关键词突变图谱，我们可以了解总结智慧居家养老主题领域的研究热点。
4.2.1. 扩展智慧居家养老模式
包含热点关键词：医养结合、大数据、互联网等。徐兰[7]提出，建立智慧养老背景下的居家用老服务，要以O2O平台作为载体，以社会资源的跨界合作为基石，多方参与主体为保证，满足老人各类“看、养、护、医”需求。钱昕[8]总结了乌镇政府引进第三方养老机构的创新智慧养老服务模式，为社区符合一定条件的老人提供活动、健康管理、医疗照护、助餐等80多种社区上门照料服务，以集中照料服务为主，建立20分钟服务半径的居家上门照料服务相结合，让老人足不出户享受多层次、多样性的福利；李长远[9]等基于三个典型“医养结合”试点，提出构建“一主多元”型以政府为主，多元主体共同作用的结构，鼓励家庭积极承担照料责任，并且要依托智慧技术这个有利的抓手。
4.2.2. 丰富养老服务体系：
该热点下包含的热点关键词有养老服务、智慧居家、政府作用等。刘振山等[10]认为，应当从需求与供给关系、制度与运行体制和技术与社会支撑体系等方面进行设计“互联网+”居家养老服务体系。石刚[11]综合考虑政府、社区和居家三个层次，提出以大数据、云平台、互联网和移动互联技术为支撑建立基于云平台的养老服务模式；曹余欣[12]提出在智慧养老服务供给方面，离不开技术支撑和蒸发方面的社会支撑。
4.2.3. 明确智慧居家影响因素
影响因素相关的热点关键词影响因素、智慧居家养老技术、参与意愿等。黄群结合高龄者对安全的需求，以及医疗产品的特点，归纳出能作用于高龄者智能家用医疗产品的设计原则，使老年人使用智能家用医疗产品更加便[13]；黄悦欣通过对老年用户的厨房交互行为进行研究，构建“L型适老性厨房”和“Tai Chi概念厨房”两个案例，对老年人适老性厨房产品领域提供参考[14]；睢党臣构建了“互联网 + 社区居家养老”模式，使老人相关数据在不同服务供给主体间实时共享[15]；白玫基于云计算平台的优势，根据智慧养老信息系统建设的目标，构建了五层结构的智慧养老信息系统[16]。
聂淼[17]构建智慧居家养老用户行为模型，并借助SPSS、Smart PLS软件处理数据以验证模型，得出用户个体特征、感知有用性、感知易用性、感知成本等因素均会影响老年人使用智慧居家养老服务；温海红[18]等提出，年龄、性别、健康水平、文化程度、居住条件和收入是影响“互联网+”居家养老服务需求的重要因素；赵淼等[19]基于Logistic回归分析，提出慢性病是影响不同健康状况对老人对居家养老需求的独立影响因素。
5. 现状及展望
老年人随着年龄的增长，实力问题的出现以及学习能力的下降，使很多老人面临“触网难”的问题，不利于老人共享网络带来的成果，也使得他们感觉社会难以融入。老年人能力的欠缺与需求的不匹配，在一定程度上打击了他们的上网积极性，并且我国智慧养老发展层次不高，缺乏专业的人才，市场的供给能力远不及社会的需求水平。因此，应当依托技术优秀的年轻群体，借助先进发达的使用工具，建立严密的智慧养老服务体系，促进养老产业的持续金康发展。并完善相关的立法以及立法监督，务必精准提高老年人维护自身权利的能力，改善老年全体的福利水平，使其老有所依。使信息化走进千家万户，帮助千家万户。
6. 结论
综上所述，运用CiteSpace软件，选取CNKI数据库中筛选出来的文献，建立智慧居家养老领域相关文献的数据库，通过计量学与可视化的方法，充分了解到智慧居家养老领域的前沿研究热点与研究现状，为该领域的研究奠定了定量的基础。因为用CiteSpace进行分析部分数据，也存在一定的局限性，采取的数据库面较窄，不能全面的描述智慧居家养老领域的研究现状，在日后的研究中，应当适当扩大数据采集范围，进行更精准的定位。
NOTES
*通讯作者。