购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

第四章
老年人互联网订购服务及影响因素

2022年我国人口步入负增长轨道,人口老龄化程度加剧,劳动力人口数量减少,人口红利趋弱,再加上疫情导致的经济增速下滑,一定程度上制约了我国养老服务体系的进一步完善。在此背景下,加速推进智慧养老服务体系发展,将为劳动力短缺时期的养老问题提供一套高效可行的解决方案。未来,随着人工智能、大数据和数字通讯技术的日臻成熟,老年人跨越数字鸿沟,利用互联网自主订购养老、助老服务将成为新常态。鉴于此,本研究拟利用《老年家庭智慧养老服务与产品应用调查》数据,探索老年人互联网订购服务现状,厘清影响老年人互联网订购服务的影响因素,概括互联网订购服务的发生机制,并对进一步提高老年人互联网订购、开展自我助老服务提出对策建议。

一 互联网订购服务的兴起

随着数字通讯技术的发展,以移动互联网为基础的新技术的使用改变了人们社交模式和生活方式,加速了信息传播,也为生活带来了极大便利。但对于大部分老年人来说,大数据、移动互联网技术的兴起,既是机遇也是挑战 。一方面,移动互联网技术的广泛应用,极大地改变了人们的日常生活方式,也为智慧养老产业的发展提供了新的机遇;另一方面,至今仍有许多老年人还不会上网和使用智能手机,难以充分享受互联网技术进步带来的智慧养老服务。其中,互联网订购服务是智慧养老服务中最基本和最常见的服务形式 。本节聚焦老年人互联网使用、互联网订购服务等主题,揭示老年人互联网订购的基本特征,分析影响老年人互联网订购服务的若干因素,针对老年人互联网订购服务、智慧养老实践现状与问题进行深入思考,并提出相应建议为养老相关的公共政策进一步修订提供理论依据。

互联网订购服务是互联网在商业上的最成功和最为普遍的应用之一。随着我国进入老龄社会,互联网订购服务迁移到养老领域,成为当前智慧养老服务的重要模式。尤其是智能手机普及后,移动终端成为连接互联网的主要平台,让互联网订购服务更加便利。老年人互联网订购服务包括网上购物、预约挂号、网上约车、订购送餐服务、同城快递业务等等,给老年人生活带来了极大的便利 。据此,本节将互联网订购服务定义为:面向居家老人,通过互联网系统或互联网信息平台,实时、便捷、高效地订购养老服务产品或服务。本文对这一概念做了一定的扩展,将其扩展到了日常生活领域的一切事务。具体来说,互联网订购是指通过互联网订购一切能提供老年人生活便利的服务或产品都属于老年人互联网订购服务,例如网约车、通过网络订餐等都属于老年人互联网订购服务。

二 老年人使用互联网及订购服务现状

(一) 老年人互联网使用现状

调查显示,有一半以上的老年人使用互联网(54.7%),不使用互联网的老年人占比为45.3%(表4-1)。表4-2的统计结果显示,老年人使用互联网的上网工具主要是智能手机(99.2%)、电脑(1.18%)、Pad(0.79%)以及其他上网工具(0.39%)。

在不使用互联网的老年人群体中,有意愿使用互联网,却因其他原因未使用互联网的老年人比例很低(5.47%),而94.53%的老年人报告的是自己“不愿意”使用互联网(表4-3)。这些老年人不使用互联网的原因按从小到大的顺序依次是:对互联网不感兴趣、嫌麻烦、记忆力减退以及认为互联网没有用。具体来说,有半数老人因为对互联网使用“不感兴趣”而放弃使用互联网。由于“记忆力丧失”而不愿意使用互联网的比例为34.21%;因为“嫌麻烦”而不愿意使用互联网的比例为42.36%;认为互联网“没有用”而“不愿意使用互联网”的比例为26.84%,而因其他原因放弃使用互联网的比例约占27.37%(表4-4)。

表4-1 老年人互联网使用情况

表4-2 老年人互联网接入工具

表4-3 老年人互联网使用意愿

表4-4 老年人不使用互联网的原因

(二) 老年人互联网订购现状

互联网在线服务/远程订购服务是智慧养老的重要内容之一 。本次调查问卷也对老年人互联网订购服务进行了详细调查。调查设计了包括在线购物、在线购药、网约车、订餐送餐、线上订购旅行服务等涉及生活方方面面的问题26项,被访对象对此一一作答。如果将老年人至少使用26项互联网订购服务中的一项视为“使用过”互联网订购服务,否则为“未使用”互联网订购服务。表1-23报告了该题项的统计结果。

1.使用互联网订购服务相对较少

表中数据显示,“至少使用过1项”互联网订购服务的老年人不到一半(占比46.17%),大约有53.8%的老年人从未使用过“任何1项”互联网订购服务。这种情况与已有的调查结果基本一致

表4-5 老年人是否使用互联网订购服务

2.使用互联网订购服务的领域相对集中

老年人使用互联网订购服务或业务主要集中在即时通讯服务、虚拟文娱服务、线上购物、订餐送餐和网约车服务等几个项目上,其中43.02%的老年人使用“即时通讯服务”,41.22%的老年人使用过“虚拟文娱服务”,13.06%的老年人使用过“线上购物服务”,8.33%的老年人使用过“网上订餐送餐服务”,6.98%的老年人使用过网上预订或约车服务,而其他各类项目使用的比例均不超过2%。这说明在使用互联网订购服务的领域主要是日常生活需求更频繁的领域,而在一些需求不太迫切的领域使用相对较少。这可能一方面与老年人生活需求急切程度有关,另一方面也与相关服务信息的宣传、推广以及老年群体知晓程度等都有一定的关系。

3.老年人使用互联网订购服务的程度偏低

为了测度老年人个体使用互联网订购服务的程度,将26项频度指标进行反向赋值,即从不(=0)、一年数次(=1)、一月数次(=2)、一周数次(=3)和每天(=4)。26项加总后的指标,分值越高,说明个体“使用互联网订购服务”的程度越深,使用得也更频繁。理论上的加总值区间应为[0,104] ,但实际计算得出的指标均值相对较低,指标区间也较窄。具体来说,该指标的均值为4.12,标准差为5.14,最小值为0,最大值仅为36。由此可见,老年人使用互联网订购服务的程度普遍较低。

表4-6 老年人使用互联网订购服务情况

续表

4.老年人使用互联网订购服务的人群特征

通过对互联网订购服务与被访者人口学特征做交叉分析发现,老年人互联网订购服务的使用可以概括为男性优势、年龄劣势和户籍无差异等几个特征。

(1) 男性优势

表4-7统计结果显示,使用互联网订购服务的男性老年人比例明显高于女性老年人。具体来说使用互联网订购服务的老年人中,男性老人占比61%,而女性老人占比为39%。

表4-7 性别与老年人互联网订购服务

注:Pearson Chi2=24.03 Prob=0.0000;表中数据为频数,括号中为占比。

(2) 年龄劣势

表4-8是年龄与互联网订购服务的列联表分析结果。表中的数据显示,年龄越轻的老年人,越有可能选择互联网订购服务,随着年龄增长,互联网订购服务的比例降低。具体来说,选择互联网订购服务的老年人中,60—64岁组的老年人比例为41.95%,65—69岁组的老年人比例为35.12%,而70岁以上年龄组使用互联网订购服务的比例仅为22.93%。统计检验结果显示,组间差异存在统计显著性。

表4-8 年龄与老年人互联网订购服务

注:Pearson chi2(2)=41.40 Prob.=0.000;表中数据为频数,括号中为占比。

(3) 户籍无差异

老年人使用互联网订购是否有户籍差异?表4-9报告了户籍与互联网订购服务使用之间的关系,结果表明老年人互联网订购服务没有明显的户籍差异。需要说明的是,由于本次调查范围主要是城市,很少有农村户籍的被访对象,因此本节的结果只是表明,原先是城市户口的老人与后来从农村转为城镇户口的老人在使用互联网订购上并无差异,不代表城乡老年人互联网订购服务无差异。如果要检验老年人互联网订购服务是否存在城乡差异仍需要在未来进一步研究中补充更多的农村样本。

表4-9 户籍与老年人互联网订购服务

注:Pearson Chi2=3.54 Prob=0.171;表中数据为频数,括号中为占比。

三 老年人使用互联网订购服务的影响因素

(一) 相关研究概述

目前,国内学界直接以“老年人互联网订购行为”为研究对象的学术研究比较少。但有不少研究探讨老年人互联网使用及其影响因素,这为本文探索影响老年人互联网订购服务的影响因素研究提供了一些启示。尽管使用互联网订购服务在年轻人群中已成为常态,但对老年人来说,仍存在许多不可逾越的障碍。赵奕斐认为,老年人受限于记忆力退化、理解力差、健康状况下降等原因,互联网使用的占比仍比较低下。因此,健康状况是影响互联网使用行为的重要因素,健康状况越好,越有利于使用互联网 。丁志宏和张现苓也提出了类似的观点,认为老年人随着年龄的增长会带来生理、心理、认知方面的变化,而这些变化都会直接影响老年人对互联网的使用 。视觉、听觉和行动能力的下降会限制老年人使用互联网。例如视觉下降会造成难以分辨相近颜色,影响老年人对网页的识别;肌肉退化和反应迟缓会影响老年人对网页上较小按钮的控制。除此以外,年龄、学历、性别等人口学特征也会影响到老年人使用互联网。丁志宏和张现苓的研究还发现,城镇老年人使用互联网主要集中在低龄和教育程度高的老年人身上。因此,老年人的个人教育程度越高,信息素养越高,使用互联网的障碍越小,从而会更频繁地使用互联网。还有研究者认为,老年人使用互联网也源于现实的需求,例如火车票订购、行程码生成等,这些都需要使用互联网或移动互联网才能够实现。

综合上述观点,本节将老年人使用互联网订购服务的主要因素概括为两个方面:一是需求因素的影响,即老年人是否有订购互联网服务的需求。例如,老年人独居、体弱等都会促进其使用互联网订购服务,反过来,健康状况良好、与子女居住在一起的老年人,互联网订购服务需求会降低;二是使用互联网的条件因素,即互联网订购服务有一定的门槛和前置条件,这些也会影响到个体使用互联网订购。除了少数情况是子女代为订购互联网服务,大多数个体都是自己使用互联网订购服务,这使得个体自身的因素、经济条件等成为影响互联网行为的另外一类因素。在这类因素中,年龄越轻、教育程度越高、数字素养越好的老年人越有优势,越可能会使用互联网订购,反之会降低互联网订购服务。值得注意的是,在上述诸多因素中,许多因素可能存在双重影响,例如健康因素可能是使用互联网订购服务的障碍,即较差的健康状况会影响到互联网的使用,同时健康状况差也增加了个体对互联网订购服务使用的“需求动机”,从而也表现出来一定促进作用。因此,在模型分析时,对这些因素的影响进行解读时需要更加谨慎。

(二) 影响因素分析

前文从单变量和双变量视角简要地分析了影响老年人互联网订购服务的基本因素,初步揭示了老年人使用互联网订购服务的基本特征。然而,单变量分析和双变量分析都只能在有限的因素中做出描述,难以真正发现影响老年人使用或不使用互联网订购服务的根本原因。因此,需要通过纳入更多变量,借助多元统计模型对影响老年人使用互联网订购服务的因素做出更全面分析。考虑到老年人“是否使用互联网订购服务”的相关研究较少,也没有现成的理论可以参照,本文采用的分析策略是数据驱动方法,即根据数据拟合结果来筛选模型(具体数据描述与样本分布特征见本节附件)。

这里的核心因变量是“是否使用互联网订购服务”,属于二分类变量,宜采用logistic模型对数据进行拟合。本节纳入问卷中所有可能影响到老年人“互联网订购”行为的变量,具体包括年龄、性别、户籍、婚姻等12个变量,然后采用模型筛选和优化的办法确定最优模型。具体方法:将样本随机分割成两个部分,一部分作为训练样本,用于拟合和优化模型之用,另一部分样本作为测试样本,以检验和评价模型的拟合效果,训练样本与测试样本比例为70%和30%。

为了节省篇幅,本节只呈现最终筛选下的最优模型的统计结果与模型的拟合效果。采用双向逐步回归方法筛选模型,以AIC准则来筛选和优化模型。变量剔除过程以及AIC变化情况通过图1直观地反映出来。图4-1中显示逐步剔除的变量包括工作类型(workcat)、家庭社会经济地位(fses)、与配偶居住(livsp)、健康状况(health)、子女结构(chcat)和个人经济状况(sel_ine)等。剔除影响较小的变量后,最终形成包含年龄、性别、居住特征、社会地位、社会参与和数字素养等五个变量的logistic回归模型,具体统计结果见表4-10。

图4-1 变量剔除与模型优化过程

表4-10 影响老年人使用互联网订购服务的logistic模型估计

注:(1) Signif.codes:0<='***'<0.001<'**'<0.01<'*'<0.05(2) 模型依次剔除的变量包括工作类型、家庭社会经济状况、与配偶居住、子女结构、个人经济状况等变量。

基于测试样本对模型进行测试,结果显示,初始模型与最优模型的预测精度分别为0.79和0.81,最优模型在减少了变量后预测精度不但没有下降,反而还有所提高,这说明最优模型比初始模型有更高的预测价值。由表中的统计结果可知,影响老年人互联网订购服务的因素包括个体的年龄、性别、与子女居住、社会参与和数字素养等。年龄越大的老年人,使用互联网订购服务的越低。男性在互联网订购服务上超过了女性老人。与子女一起居住的老人,会降低其使用互联网订购服务,这可能与子女对老年人的养老支持在一定程度上降低了互联网订购服务需求有关。此外,社会参与程度越高,数字素养越好,老年人使用互联网订购服务的可能性也越高。总之,上述影响因素与实际调研时的发现基本一致。

四 互联网订购服务使用频度及其影响因素

针对老年人互联网订购服务的描述性分析和多元统计模型分析发现,老年人在使用互联网订购服务上受年龄、性别、居住、社会参与以及个体数字素养等因素的影响。然而,目前仍无法回答使用互联网订购服务频度是否也与上述因素有关,或者互联网订购服务频度的影响存在更为复杂的影响机制。为此,本节针对老年人使用互联网订购频度进行建模分析,以回答上述问题。与前面的分析步骤类似,先进行简单的描述性分析,然后再拟合多元统计模型。

(一) 老年人互联网订购频度

图4-2直观地展示了互联网订购服务频度分布情况以及互联网订购频度与年龄、性别以及户籍之间的关系。其中,左上角的图(a)显示了老年人使用互联网订购服务的频度分布特征,从图(a)中可以看大多数老年人使用频度在0附近,而使用频度在20以上的老年人非常少。这与前文密度分布函数图所反映的情况基本一致,说明有相当一部分老年人几乎不使用互联网订购服务,而部分使用互联网订购服务的老年人使用互联网订购服务的程度也相对较低。从另一个侧面也说明互联网订购服务并没有为大多数老年人所使用。换句话来说,大多数老年人仍然没有从互联网订购服务中享受更多的生活便利。(b)图是反映老年人使用互联网订购服务频度年龄差异性的箱线图,从箱线图可以看出,使用互联网订购服务的老人主要是60—64岁的低龄老人,65岁以后使用互联网订购服务的频度急剧下降,几乎与70岁及以上年龄组的老人相差无几。这说明反复使用互联网订购服务的老年人主要是年轻老年人,即集中在60—64岁年龄群体,而65岁以上年龄群体使用频度相对较低。图(c)是使用互联网订购服务的性别差异,从图中看到,不仅在“使用互联网订购服务”的行为选择上存在性别差异,而且在互联网使用频度方面,性别差异也十分明显,即男性比女性可能会更频繁地“使用互联网订购服务”。图(d)的箱线图显示了“互联网订购服务频度”的户籍差异。从箱线图的形状可以看到,“农转非”户籍老人与“城镇”户口老人在“使用互联网订购服务频度”上并无明显差异 。由此可见,老年人使用互联网订购服务程度在总体上呈现偏度分布(长尾特征)特征,也存在年龄差异和性别差异,即年龄越大,使用程度越低,男性优于女性等特征。

图4-2 互联网订购服务频度的分布特征

(二) 统计模型

由于本文的被解释变量为0和正整数,均为离散计数数据。按照模型的条件,应当采用广义线性模型席系列的泊松回归模型(Poisson Regression Model)及其他符合计数特征的回归模型来拟合数据。

泊松模型的数学表达式: ),其中 为泊松到达率,即事件发生的平均次数,由解释变量 决定。泊松回归模型成立的条件是期望和方差均与泊松到达率接近,即E( 。由于这一条件比较苛刻,在实际数据中往往难以满足。此时,负二项回归模型可能比较适合。负二项回归模型是在泊松回归的基础上进一步放松了假设条件,即假定期望值与方差的相等关系,而是将两者之间的关系用线性方式来刻画。具体来说,在负二项回归模型中, 与解释变量的关系为: ,即 。其中, 为随机变量,服从伽马分布(Gamma Distribution),概率密度函数为g( ),对 积分可以得到 条件下 的密度函数: 。对于泊松模型,可以通过判定过度离散参数(Over Dispersion Parameter)判定期望与方差相等的假设是否成立,从而在泊松回归与负二项回归之间做出选择。还有一种情况是当计数数据中“0”值较多时候,可以尝试使用零膨胀负二项回归模型(Zero Inflated Negative Binomial Regression)来拟合数据。在零膨胀负二项回归模型在满足负二项条件下,解释变量y会服从如下混合分布:

一般而言,在实际研究中,需要对比几类模型的拟合效果,或从模型的假设检验或模型估计效果的比较上可以确定哪一个模型更合适。

(三) 泊松回归模型估计结果
1.人口学特征的影响

表4-11是泊松回归模型估计结果。从性别差异来看,男性老人使用互联网订购服务更为频繁,是女性老人的1.2倍 ,这一结果与描述性分析结果基本一致;从年龄差异来看,年龄似乎是老年人使用互联网以及互联网订购服务的主要障碍之一。与60—64岁年龄组的老年人相比,65—69岁、70岁以上年龄组的老年人互联网订购频度分别平均下降了29%和10%;教育程度对老年人使用互联网订购频度积极影响。在控制其他变量不变的情况下,个体接受教育年数每提高1年,互联网订购频度平均提高5%;户籍因素没有显著影响,即与“农转非”类型的老年人相比,虽然城镇老人互联网订购服务频度岁有所提高,但并没有通过统计检验。总体来看,泊松回归模型对人口特征变量的估计结果与前文的描述性统计结论基本一致。

表4-11 老年人互联网订购频率的泊松回归估计结果

续表

注:(1)***代表p<0.001,**代表p<0.01,*代表p<0.05,+代表p<0.1,NA代表p>0.1;
(2)Null deviance:3107.7 on 443,degrees of freedom Residual deviance:1742.4 on 429 degrees of freedom AIC:2576.4。

2.居住形式、子女结构的影响

泊松回归模型加入了子女结构以及被访者居住情况的变量。从估计结果可以看到,“与配偶居住”和“与子女居住”都在一定程度上降低了使用互联网订购服务的频率。与独自居住的老年人相比,“与配偶同住”以及“与子女同住”的老年人互联网订购服务频度平均减少了9%。这在一定程度上符合实际情况,当老人与家人同住的时候,生活照料多由家里人提供,从而整体上减少了老年人网络订购服务需求。此外,子女结构(老年人的下一代子女构成)会影响到老年人使用互联网订购服务。统计结果显示,相比于“多子女”而言,老年人下一代是“独生子女”的更可能倾向于使用互联网订购服务。具体来说,在控制其他影响因素的情况下,下一代是“独生子女”的老年人使用互联网订购服务的频度是下一代是“多子女”老人的1.13倍。相比较而言,多子女家庭能够给老年人提供更多的日常照料,因而在一定程度上减少了老年人互联网订购服务的内在需求。相反,独生子女家庭因人数劣势,提供给老人的日常照料相对较少,因而老年人需要通过互联网订购服务来提供照料“代偿”。图1-11直观地展示了子代为“独生子女”的老年人使用“互联网订购服务”频度与其他类型家庭的差异性。

图4-3 老年人使用互联网订购服务的子女结构差异

3.健康状况、数字素养的影响

以往研究发现,老年人健康状况越好,使用互联网的可能性越高 ,而使用互联网是在线上订购服务的前提,因而据此可以推测老年人健康状况与互联网订购大概是一种正向相关关系。然而,本次调查的结果却与之相反,健康状况越差的个体,使用互联网订购的频度也越高,而健康状况越好的个体,使用互联网订购服务的频度反而下降了。具体来说,在控制其他变量的情况下,老年人健康状况每提高1个单位,其使用互联网订购服务的频度将平均下降15%。尽管从互联网技术的使用和掌握上来说,健康状况与互联网订购服务之间的负相关关系难以得到恰当的解释,但从“个体需求”来看,这种情况却有合理的一面,因为从个体需要来看,健康状况越不好的个体越有依赖于互联网订购服务来提供养老支持。这与“少子家庭”对智慧养老需求更为依赖是同样的逻辑 。老年人数字素养与互联网订购服务之间的关系呈现出正向相关关系,即数字素养越高老年人,使用互联网订购服务的频度也越频繁。该项估计系数表达的含义是在控制其他变量的情况下,老年人的数字素养得分平均提高1分,其互联网订购服务频度平均提升3.38%。两个变量间的回归关系,可以通过图1-12直观地反映出来。

图4-4 数字素养与老年人互联网订购行为

除了上述变量外,模型还纳入了工作类型、个人社会经济状况和家庭社会经济状况。结果显示,个人经济状况和家庭经济状况虽然对老年人的网络订购行为有正向影响,但两者关系没有显著性。不同的是,工作单位类型变量中,从事非农工作(目前/退休前)的老年人比从事农业工作的老年人表现出更频繁的互联网订购行为。有趣的是,退休前从事技术工作或领导岗位的老年人,并没有变现出更高的互联网订购服务,这可能与这部分群体的样本量较小有关。

(四) 负二项回归/零膨胀模型估计结果

泊松回归模型需要满足均值与方差相等的假设,这在实际应用中往往难以得到满足,即存在过离散现象。另外,作为对计数数据进行拟合的泊松模型,如果0值过多,会造成“零膨胀”现象,也会影响到模型的估计效果。因此,泊松模型的估计结果是否可靠,尚需要对模型做进一步检验。首先,对其进行过离散检验。检验结果显示,观测值是理论值的6.56倍,且p值接近于0。从经验上来说,观测值与理论值之比应等于1,显然6.56远远超越了经验值,这说明数据存在过离散问题。图4-5为过离散检验提供了直观解释。从理论上来说,如果理论值与观测值一致,那么两者的拟合线将是一条45度角斜向上的直线。而图中情形明显发生了偏离。因此,需要进一步拟合负二项回归模型和零膨胀回归模型,以便比较模型的合理性。

图4-5 泊松模型的过离散的图形检验

表4-12报告了负二项回归模型和零膨胀回归模型估计结果。其中,模型1是负二项回归模型估计结果,模型2是零膨胀回归模型估计结果。从表中的估计结果比较可以看到,一些变量在原模型具有统计显著性,但在新模型中显著性消失。AIC是判别模型还坏的标准之一,在同等条件下,AIC越小模型越好。从AIC的比较可以看到,负二项回归模型和零膨胀泊松模型的AIC值分别为1893和1892,比原模型的AIC值(2576)大幅度减少。从这个角度来看,新模型可能比原模型更具有优越性,故而采信负二项回归模型和零膨胀模型的估计结果。值得注意的是,尽管前后模型的变量估计值和标准误发生了变化,但主要变量的作用并没有发生根本性变化。具体来说:(1)使用互联网订购服务方面,男性比女性更有优势;(2)随着年龄增长,互联网订购服务随之减少,特别是在65—69岁年龄段下降明显;(3)独生子女家庭,老年人更可能会使用互联网订购服务;(4)与子女一起居住的老年人明显降低了对互联网订购服务的使用;(5)健康状况越好的老人,使用互联网订购服务频率越低;(6)数字素养越高的老人,互联网订购服务的使用频度也越高,这与日常经验基本一致。

表4-12 负二项回归/零膨胀模型估计结果

注:(1)***代表p<0.001,**代表p<0.01,*代表p<0.05,+代表p<0.1,NA代表p>0.1:(2)表中的数字为回归系数,括号中的数字为标准误,双尾检验。

五 智慧养老实践中互联网订购服务促进的几点思考

智慧养老模式是数字时代下数字技术、人工智能等技术发展在养老服务中应用的一种新方案,其最终目的是借助科技的力量改善老年人生活状况。智慧养老在肯定老年人主体的同时,也在彰显老年人对生活质量追求。随着我国老龄化程度的加深和养老观念的转变,智慧养老终将成为养老服务中的重要模式。但在现阶段,老年人互联网订购服务使用率偏低、使用范围狭窄等问题,值得深刻反思。

(一) 正确看待老年人数字鸿沟,实施数字包容战略

客观地说,在数字技术飞速发展的时代,每个人都会遭遇数字鸿沟问题,只是数字鸿沟大小和程度不同而已。面对一项新技术的使用或新数字产品的应用,每个人都需要经历一个学习过程,然后逐步消弭所谓的“数字鸿沟”。从这个意义上来说,老年人面临的“数字鸿沟”并不是一个独特的社会现象,而是数字化社会的普遍现象。“数字鸿沟”之所以在老年人群体中比较突出,主要是因为老年人因教育水平、学习能力所限而产生。因此,要消除数字鸿沟,应从两方面着手提高老年人数字技术的使用能力。一是应让老年人增强使用数字技术的主观意愿和增强学习能力,二是通过优化公共政策,提升社会包容性程度。具体来说:

一方面敦促子女对老人“数字反哺”和“技术反授”,教会老人使用互联网,让老人知晓互联网订购服务流程,降低老人对网络的担忧情绪;另一方面老年人要积极主动学习新技术,这样才能更快地融入数字社会,才能更高效地享有智慧养老服务。除此以外,还应从政策出发,提升社会包容程度。英国已经实施了数字包容战略以解决老年人数字鸿沟困境,并取得了明显效果。数字包容战略应以国家主导、学校与媒体合作共同推进社会包容理念的宣传,并将其纳入义务教育、高等教育、成人教育中,通过电视节目、新闻广告、网络等传播包容理念,潜移默化地提高数字公民对特殊群体的包容度,营造包容、开放、互助、友好的数字社会环境,尊重公民是否使用技术以及如何使用技术的选择权。

(二) 以创新研发为契机优化老年友好型互联网订购环境

目前对物理环境不利于老年人的情况已有普遍认知,并在政策上实施了居住环境的适老化改造。与物理环境类似,以互联网为基础的互联网订购服务实际提供了虚拟的网络环境。网络虚拟环境是否有利于老年人使用(或老年友好)是影响智慧养老产品或服务使用的重要因素之一。因此,适老化的产品与服务既是智慧养老的要求,也是其重要体现,更是掌握老年消费市场的重要抓手。政府可以通过政策引导、财政补贴、项目招标、服务购买等形式发挥宏观调控之效,引导更多科技公司、研发企业开发适宜老年人使用的互联网环境,鼓励企业在社会责任与企业利益的双重驱动下把握老年群体基本特征与服务需求,设计老年友好型互联网订购服务环境。适老化产品与服务的提供是数字社会包容性的体现,通过技术与人性化相结合,赋能老年数字鸿沟的弥合,助推智慧养老生活的实现。

(三) 提高老年产品与服务供给,满足老年人的针对性、多样性需求

老年人互联网订购服务偏低,互联网订购服务使用范围过窄,不完全是老年人的数字鸿沟所致,可能也与互联网订购服务或产品供给与老年人需求的服务和产品产生了偏差,即互联网订购服务或产品并不是老年人所需求的服务或产品,这种偏差的存在使得很多老年人减少使用互联网订购服务。这种供给与需求偏差在老年人消费市场中也普遍存在。尽管老年产品市场前景一片光明,但商家并未转化为实际产品或服务。因此,应从老年人产品或服务的供给侧做出优化,以提高老年产品与服务供给的针对性,满足老年人多样性养老服务需求。

(四) 强化数字技能培训,提升老年人数字素养

针对老年人数字素养相对较差,数字技能相对不足的情况,建议强化数字技能培训和实施数字素养提升工程。数字素养教育是解决老年群体技能接入问题,提升数字技能的有力措施。老年人数字素养教育和数字技能培训是一个多主体合作的过程。这些主体包括政府、学校、社区、媒体和家庭等5个方面。具体来说:(1)从政府主体来看,应从政策上明确老年教育服务供给主体的角色权限,强化主体责任,形成制度化、规范化的政府主导的老年教育体系;(2)从学校主体来看,应通过创新教育方式,改革教育内容,将智能设备的日常操作作为重点内容,通过易于老人接受的多种形式传授老年人数字技能;(3)从媒体主体来看,媒体在老年数字技能教育中承担着不可替代的教育和宣传作用,通过生动有趣的电视节目,向老人普及数字技能和宣扬老年人数字时代的生活方式,提升老年人群的数字素养;(4)从社区主体来看。在智慧社区建设过程中,应将老年数字素养教育纳入社区服务体系中,通过招募志愿者通过入户宣传、一对一指导等方式提升老年人数字素养。(5)从家庭主体看,通过子代对父代的“数字反哺”形式让老人掌握数字技能,提升数字素养。

(五) 强化老年人社会参与,发挥朋辈群体在数字技能普及中的作用

利用朋辈社交促进数字化理念的推广。由于地理空间上的邻近性及心理情感上的接近性,朋辈群体对于老年人接入和使用数字技术具有不可忽视的影响,可以通过模仿、规范和支持为老年人数字融入提供及时有效的资源和帮助。因此,应充分利用朋辈群体的示范与带头作用,为老年群体提供数字技术培训,激发老年群体的主观能动性,主动去培养数字化工具利用能力,激发内生潜能,消除数字鸿沟。

附表:

样本分布特征(n=444)

续表 44I+OR39JVOY747IqQRnw173m3orkI9g9vg9S/z7wQwWUf2IG7yX0f5JAvLYyRkk

点击中间区域
呼出菜单
上一章
目录
下一章
×