论文部分内容阅读
摘 要： 以成都、杭州和武汉三个副省级城市的养老服务政策为研究对象，运用基于政策文本权重和关键词权重的加权共词分析法，生成加权共词矩阵，进行关键词聚类和中心度对比分析。研究发现，养老政策的制定以服务养老目标为总体依据；各个城市对具体养老支撑性资源的关注度不同；地方养老政策对老年人的精神文化生活关注甚少；智慧养老等养老发展趋势已经成为地方养老服务政策制定的一个热点。
关键词： 养老服务；政策文本；共词分析；政策研究
Abstract Taking the pension service policies of three sub-provincial cities in Chengdu， Hangzhou， and Wuhan as the research object， this paper uses weighted co-word analysis based on policy text weights and keyword weights to generate a weighted co-word matrix for keyword clustering and centrality analysis. The results shows that the formulation of pension policy is based on the overall goal of serving old-age care； each city pays different attention to specific old-age support resources； the local pension policy pays little attention to the spiritual and cultural life of the elderly； the development trend of elderly care such as smart pension has become A hot spot for the formulation of local pension service policies.
Key words Pension service Policy documents Co-word analysis Weighted Co-word analysis
【中图分类号】 C913.7 【文献标识码】 A【文章编号】 2236-1879（2018）15-0315-03
《2017年中国人口和就业统计年鉴》显示，2016年中国65岁以上的老年人口达15003万，占总人口的10.8%，比上年增长0.3%。老年抚养比为15%，比上年增长0.7%。实施全面二孩政策后，中国老年人口规模、老龄化程度持续攀升、养老负担迅速加重。随着改革开放的推进，新一代老年人呈现出新的养老特点，空巢独居、失能半失能和高龄老人规模庞大，各地养老服务水平发展不均等。十九大报告中明确指出：“积极应对人口老龄化，构建养老、孝老、敬老政策体系和社會环境，推进医养结合，加快老龄事业和产业发展。” 养老服务政策的完善对的养老服务发展尤为重要，建立科学完备合理的养老服务政策体系势在必行。近年来，中央和地方出台了一系列养老服务政策，取得了很大成效[1]，但仍然存在诸多问题。
政策文本量化研究作为公共政策研究的新方向，为发掘政策热点和政策发展等提供了新的途径。共词分析法来源于文献计量学，是量化研究方法的一种。本文选取成都、杭州和武汉三个副省级城市的养老服务政策为研究对象，运用加权共词分析法，进行关键词聚类和中心度对比分析，以揭示地方养老政策的结构特征，为后续政策制定提供改进参考。
1 养老服务政策研究现状
以CNKI为检索工具，以养老服务政策为检索词进行主题检索，得到相关文献225篇，主要以养老服务政策理念、实施效果、发展趋势等为主题，而对养老服务政策文本的研究较少。伍芷蕾等[2]将政策网络理论作为构建养老服务政策模型的理论依据，分析政策变迁的路径和特征；苟欢[3]以政策工具为视角，从政策目标、活动领域、活动类型三个维度构建养老服务政策工具的三维分析模型；王辉[4]以《国务院关于加快发展养老服务业的若干意见》为蓝本，采用内容分析法，剖析养老服务业政策工具的缺失；吴宾等[6]对38份养老服务政策文本进行政策内容量化和文献计量分析，提出推动养老服务业的政策建议。对文献进行梳理，较少学者从量化分析的角度研究养老政策的结构特点和差异。
2研究方法
共词分析法是内容分析法的一种，最早由法国文献计量学家在20世纪70年代提出，其原理是统计关键词对同时出现在同一篇或多篇文献中的次数，发现词之间的亲疏关系，揭示文本主题间的联系，进而分析领域的研究内容和结构，被广泛应用到人工智能、信息检索、科学计量学等多个领域。共词分析法要求研究文本内容权威、用词严谨、格式规范，实证研究中学术期刊的实证研究较多。笔者认为，相对于学术论文，政策文本的格式要求更为严格，从研究的适宜性上更适合使用共词分析法。
共词分析法对关键词和文本均是以相同的权重进行统计，关键词在文本中的共现频次都是以相同的权重进行测量，忽略了文本和关键词的重要程度，缺乏合理性和客观性。文本的属性（如论文的被引频次、发表期刊，政策的发布机关等）不同决定了文本的重要程度存在差异，而关键词在文本内容的标识上也有区别。本文借鉴陈慧茹[7]的加权共词分析法构建养老服务共词矩阵，若第 i 篇政策的在政策集p中的权重为vi ，第i篇政策中第 k个关键词的局部权重为 wik= xik/ kxik，其整体权重为 zik= vi* wik ，第 k 个主题关键词和第 j 个主题关键词同时出现在政策集 P中，两者共现部分政策的对应值为： 3 养老服务共词网络构建
3.1 样本收集与整理。
从成都、杭州和武汉3个副省级城市政府及相关部门官方网站中检索得到2012年到2018年与养老服务相关的条例、意见、细则、通知等政策文本共67份，经过整理与梳理将其中54份政策文本列为研究对象，形成包含发文时间、发文主体、政策名称、政策全文等字段的地方养老服务政策数据库。
对采集样本做几点说明：（1）本文中涉及的养老服务政策是由三个副省级城市市级政府或市级部门发布，未采集区县级及其所属部门发布的政策文本。（2）采集样本仅包括养老服务政策，不包括养老保险的相关政策。（3）我国2009年进入老龄化社会[8]，但考虑到政策出台有一定时滞且为方便采集，统一将2012年作为政策文本采集的起点。
3.2 关键词提取。
与论文相比，政策文本在结构上不标引主题词，需要人工提取文本中的关键词。通过对高频词进行规范化处理，从而确保提取的关键词语义上的一致性。本文借鉴安兴茹[9]提出的基于正态分布的高频词阈值提取关键词，根据正态分布的特性，抓住文献库的重点，以 Fh=σ+ 1表示热点高频词，以 Ft=2σ+ 1代表主题结构高频次，σ是指词频分布的标准偏差，1代表所研究主题的频次最高的关键词。本文在实际计算时选择累积频次的68% 进行高频词的选择，54份养老服务政策共提取出31个关键词。另外，为对三个副省级城市进行对比分析，分别从各个样本数据库中提取出21、22和18个关键词。
3.3赋权。
公共政策评价是一个复杂的系统，为方便统计和计算，本文将政策文本的发布机构和参照关系作为政策执行效力的主要影响因素，政策文本赋权如表1。政策文本间的参照关系实际上是政策价值和执行理念的传递和扩散，引用关联既是下部政策制定的基础，也是上部政策的继承，以形成不同机构、不同层级的政策合力[10]。例如：《成都市民政局关于印发关于建立成都市养老服务监测评价机制的指导意见的通知》中：“根据《成都市人民政府关于加快养老服务业创新发展的实施意见》（成府发〔2015〕6号），现提出如下意见。”，《成都市民政局关于印发关于建立成都市养老服务监测评价机制的指导意见的通知》是对《成都市人民政府关于加快养老服务业创新发展的实施意见》的进一步发展，《意见》应当占有更多的权重，计算每篇政策文本在政策集中的权重，此处要说明是三个副省级城市的养老政策之间不存在参照关系，因此对其分开赋权。
3.4 三个副省级城市关键词及共词矩阵构建。
按照上文公式依次计算共词矩阵中关键词对连结共现对应值，分别得出三个副省级城市各自养老服务政策的22*22、23*23和18*18的加权共词矩阵和综合31*31的加权共词矩阵。为便于后续分析和计算用单位阵减去综合加权相似矩阵，得到三个副省级城市养老服务政策31*31的相异矩阵，部分结果如表2。
4 数据分析及结果讨论
4.1 地方养老政策聚类分析。
为减少关键词的数目，更好呈现地方养老服务政策的主题，对31*31共词矩阵进行聚类分析。聚类分析是对共词矩阵中词与词的距离进行的运算分析，距离较近（共现频次相對较高）的关键词形成相对独立的小类团。使其类内属性相似性最大，类间属性相似性最小。
本文选择系统聚类，聚类方法组间联接，区间为平方Euclidean距离，通过绘制树状图对31个关键词进行分类。将研究类别确定为3大类的情况下形成的树状图，结果见图1。（1）第一类为养老服务的发展趋势。包括智慧养老、互联网+养老、社会化、产业化。社会的发展尤其是技术变革给养老服务带来新的机遇，利用产业发展和信息技术实现对老年人的日常生活和健康监护。（2）第二类为养老模式。包括居家养老、农村养老、社区养老和机构养老，可以将此类定义为养老模式，这是我国养老体系中主要的养老模式。三个副省级城市确立的养老服务目标是形成 9055[11]或 9064[12-13] 的养老格局，即 90%的老年人实现居家养老；5%或 6%的老年人实现社区养老；5%或 4%的老年人实现机构养老。由此可以看到，养老服务政策中的养老模式与总体养老目标相适应。（3）第三类是养老资源支持。包括人才、土地保障、资金、床位、补贴、高龄津贴等。其中还包括对高龄高人和失能半失能老人的特殊帮扶。
4.2 中心度对比分析。
将三个副省级城市养老服务政策加权共词矩阵分别导入ucinet软件，进行度数中心度分析。 （1）居家养老、机构养老和社区养老度数中心度均超过0.6，是其养老政策制定的重点，这也印证养老服务目标。其中，居家养老和社区养老度数中心度超过0.7，说明政府对居家养老和社区养老这两种养老模式高度重视。（2）武汉和杭州将智慧养老或互联网+养老的度数中心度大于0.5，说明武汉和杭州已经将智慧养老或互联网+养老作为政策制定重点之一。智慧养老和互联网+养老都是利用现代信息技术对老年人的生活起居、医疗保健等进行监测和管理，实现养老资源进行整合与优化，向老人提供更加优质、便捷的养老服务，是未来养老服务的发展趋势。成都在《成都市养老服务促进条例》中提出：“市和区（市）县人民政府应当支持养老服务组织运用互联网等技术手段推进智能养老，逐步实现对老年人信息的动态管理，提高养老服务水平”，但未出台专门政策推进互联网+养老或智慧养老服务。（3）三个副省级城市养老服务政策中资源型要素关键词都处于较为重要的地位，但对具体资源的关注度不一致。三个城市资金的度数中心度均大于0.5，说明养老服务发展需要公共财政的支持，养老产业属于公益或半公益产业，政府的财政补贴能缓解养老机构的运营压力，为更为弱势的老年群体（包括经济困难、失能半失能、高龄老人等） 提供一定养老服务保障。成都人才和土地的度数中心度大于0.4，在共词网络中处于较为重要的位置，而其他两市对人才和土地保障的关注则相对靠后。杭州助餐服务的度数中心度大于0.4，说明相对于另外两市，杭州将对老年人的助餐服务作为养老服务的的一个重点。 5 结语
本文将政策文本权重和关键词权重引入共词分析方法，选取成都、杭州和武汉的养老服务政策为研究对象，构建地方养老服务政策加权共词矩阵，并对矩阵进行综合和对比分析。得出以下结论：（1）养老政策的制定以服务养老目标为总体依据；（2）养老服务需要政府投入大量支撑性资源，包括资金投入、人才培养和设施建设等，但具体政策中各个城市对不同资源的关注度不一致。（3）地方养老政策中仍以保障基本性生活的政策为主，对老年人的精神文化生活关注甚少。（4）智慧养老、互联网+养老等养老的发展趋势已经成为地方养老服务政策制定的一个热点。
参考文献
[1] 甄晓燕.我国养老政策体系的问题与重构[J].宏观经济研究，2016（5）：23-27.
[2] 伍芷蕾，郁俊莉.中国社会养老服务政策变迁分析：基于政策网络视角[J].湖北行政学院报，2018（1）：63-65.
[3] 茍欢，刘立才.基于政策工具的养老服务政策文本：一种政策框架[J].四川理工学院学报（社会科学版），2014，29（1）：20-26.
[4] 王辉.政策工具视角下我国养老服务业政策研究[J].公共管理学报，2015（19）：83-85.
[5] 吴宾，刘雯雯.中国养老服务业政策文本量化研究（1994-2016）[J].经济体制改革，2017（4）：20-25.
[7] 陈慧茹，肖相泽等.科技创新政策加权共词网络研究——基于扎针理论与政策测量[J].科学学研究，2016，34（12）：1770-1776.
[8] 彭希哲，胡湛.公共政策视角下的中国人口老龄化[J].中国社会科学.2011（3）：121-138.
[9] 安兴茹.基于正太分布的词频分析法高频词阈值研究[J].情报杂志，2014，33（10）：129-136.
[10] 黄萃，任涛，张剑.政策文献量化研究——公共政策研究的新方向[J].公共管理学报2015，12（2）：129-137.
[11] 武汉市民政局.武汉市人民政府关于加快推进社会养老服务体系建设的意见.[EB-OL].[ 2018-02-20]. http：//mzj.wuhan.gov.cn/yjzj/161783.jhtml.
作者简介： 唐璞妮，女，1986年，硕士研究生，馆员，研究方向为信息计量.
关键词： 养老服务；政策文本；共词分析；政策研究
Abstract Taking the pension service policies of three sub-provincial cities in Chengdu， Hangzhou， and Wuhan as the research object， this paper uses weighted co-word analysis based on policy text weights and keyword weights to generate a weighted co-word matrix for keyword clustering and centrality analysis. The results shows that the formulation of pension policy is based on the overall goal of serving old-age care； each city pays different attention to specific old-age support resources； the local pension policy pays little attention to the spiritual and cultural life of the elderly； the development trend of elderly care such as smart pension has become A hot spot for the formulation of local pension service policies.
Key words Pension service Policy documents Co-word analysis Weighted Co-word analysis
【中图分类号】 C913.7 【文献标识码】 A【文章编号】 2236-1879（2018）15-0315-03
《2017年中国人口和就业统计年鉴》显示，2016年中国65岁以上的老年人口达15003万，占总人口的10.8%，比上年增长0.3%。老年抚养比为15%，比上年增长0.7%。实施全面二孩政策后，中国老年人口规模、老龄化程度持续攀升、养老负担迅速加重。随着改革开放的推进，新一代老年人呈现出新的养老特点，空巢独居、失能半失能和高龄老人规模庞大，各地养老服务水平发展不均等。十九大报告中明确指出：“积极应对人口老龄化，构建养老、孝老、敬老政策体系和社會环境，推进医养结合，加快老龄事业和产业发展。” 养老服务政策的完善对的养老服务发展尤为重要，建立科学完备合理的养老服务政策体系势在必行。近年来，中央和地方出台了一系列养老服务政策，取得了很大成效[1]，但仍然存在诸多问题。
政策文本量化研究作为公共政策研究的新方向，为发掘政策热点和政策发展等提供了新的途径。共词分析法来源于文献计量学，是量化研究方法的一种。本文选取成都、杭州和武汉三个副省级城市的养老服务政策为研究对象，运用加权共词分析法，进行关键词聚类和中心度对比分析，以揭示地方养老政策的结构特征，为后续政策制定提供改进参考。
1 养老服务政策研究现状
以CNKI为检索工具，以养老服务政策为检索词进行主题检索，得到相关文献225篇，主要以养老服务政策理念、实施效果、发展趋势等为主题，而对养老服务政策文本的研究较少。伍芷蕾等[2]将政策网络理论作为构建养老服务政策模型的理论依据，分析政策变迁的路径和特征；苟欢[3]以政策工具为视角，从政策目标、活动领域、活动类型三个维度构建养老服务政策工具的三维分析模型；王辉[4]以《国务院关于加快发展养老服务业的若干意见》为蓝本，采用内容分析法，剖析养老服务业政策工具的缺失；吴宾等[6]对38份养老服务政策文本进行政策内容量化和文献计量分析，提出推动养老服务业的政策建议。对文献进行梳理，较少学者从量化分析的角度研究养老政策的结构特点和差异。
2研究方法
共词分析法是内容分析法的一种，最早由法国文献计量学家在20世纪70年代提出，其原理是统计关键词对同时出现在同一篇或多篇文献中的次数，发现词之间的亲疏关系，揭示文本主题间的联系，进而分析领域的研究内容和结构，被广泛应用到人工智能、信息检索、科学计量学等多个领域。共词分析法要求研究文本内容权威、用词严谨、格式规范，实证研究中学术期刊的实证研究较多。笔者认为，相对于学术论文，政策文本的格式要求更为严格，从研究的适宜性上更适合使用共词分析法。
共词分析法对关键词和文本均是以相同的权重进行统计，关键词在文本中的共现频次都是以相同的权重进行测量，忽略了文本和关键词的重要程度，缺乏合理性和客观性。文本的属性（如论文的被引频次、发表期刊，政策的发布机关等）不同决定了文本的重要程度存在差异，而关键词在文本内容的标识上也有区别。本文借鉴陈慧茹[7]的加权共词分析法构建养老服务共词矩阵，若第 i 篇政策的在政策集p中的权重为vi ，第i篇政策中第 k个关键词的局部权重为 wik= xik/ kxik，其整体权重为 zik= vi* wik ，第 k 个主题关键词和第 j 个主题关键词同时出现在政策集 P中，两者共现部分政策的对应值为： 3 养老服务共词网络构建
3.1 样本收集与整理。
从成都、杭州和武汉3个副省级城市政府及相关部门官方网站中检索得到2012年到2018年与养老服务相关的条例、意见、细则、通知等政策文本共67份，经过整理与梳理将其中54份政策文本列为研究对象，形成包含发文时间、发文主体、政策名称、政策全文等字段的地方养老服务政策数据库。
对采集样本做几点说明：（1）本文中涉及的养老服务政策是由三个副省级城市市级政府或市级部门发布，未采集区县级及其所属部门发布的政策文本。（2）采集样本仅包括养老服务政策，不包括养老保险的相关政策。（3）我国2009年进入老龄化社会[8]，但考虑到政策出台有一定时滞且为方便采集，统一将2012年作为政策文本采集的起点。
3.2 关键词提取。
与论文相比，政策文本在结构上不标引主题词，需要人工提取文本中的关键词。通过对高频词进行规范化处理，从而确保提取的关键词语义上的一致性。本文借鉴安兴茹[9]提出的基于正态分布的高频词阈值提取关键词，根据正态分布的特性，抓住文献库的重点，以 Fh=σ+ 1表示热点高频词，以 Ft=2σ+ 1代表主题结构高频次，σ是指词频分布的标准偏差，1代表所研究主题的频次最高的关键词。本文在实际计算时选择累积频次的68% 进行高频词的选择，54份养老服务政策共提取出31个关键词。另外，为对三个副省级城市进行对比分析，分别从各个样本数据库中提取出21、22和18个关键词。
3.3赋权。
公共政策评价是一个复杂的系统，为方便统计和计算，本文将政策文本的发布机构和参照关系作为政策执行效力的主要影响因素，政策文本赋权如表1。政策文本间的参照关系实际上是政策价值和执行理念的传递和扩散，引用关联既是下部政策制定的基础，也是上部政策的继承，以形成不同机构、不同层级的政策合力[10]。例如：《成都市民政局关于印发关于建立成都市养老服务监测评价机制的指导意见的通知》中：“根据《成都市人民政府关于加快养老服务业创新发展的实施意见》（成府发〔2015〕6号），现提出如下意见。”，《成都市民政局关于印发关于建立成都市养老服务监测评价机制的指导意见的通知》是对《成都市人民政府关于加快养老服务业创新发展的实施意见》的进一步发展，《意见》应当占有更多的权重，计算每篇政策文本在政策集中的权重，此处要说明是三个副省级城市的养老政策之间不存在参照关系，因此对其分开赋权。
3.4 三个副省级城市关键词及共词矩阵构建。
按照上文公式依次计算共词矩阵中关键词对连结共现对应值，分别得出三个副省级城市各自养老服务政策的22*22、23*23和18*18的加权共词矩阵和综合31*31的加权共词矩阵。为便于后续分析和计算用单位阵减去综合加权相似矩阵，得到三个副省级城市养老服务政策31*31的相异矩阵，部分结果如表2。
4 数据分析及结果讨论
4.1 地方养老政策聚类分析。
为减少关键词的数目，更好呈现地方养老服务政策的主题，对31*31共词矩阵进行聚类分析。聚类分析是对共词矩阵中词与词的距离进行的运算分析，距离较近（共现频次相對较高）的关键词形成相对独立的小类团。使其类内属性相似性最大，类间属性相似性最小。
本文选择系统聚类，聚类方法组间联接，区间为平方Euclidean距离，通过绘制树状图对31个关键词进行分类。将研究类别确定为3大类的情况下形成的树状图，结果见图1。（1）第一类为养老服务的发展趋势。包括智慧养老、互联网+养老、社会化、产业化。社会的发展尤其是技术变革给养老服务带来新的机遇，利用产业发展和信息技术实现对老年人的日常生活和健康监护。（2）第二类为养老模式。包括居家养老、农村养老、社区养老和机构养老，可以将此类定义为养老模式，这是我国养老体系中主要的养老模式。三个副省级城市确立的养老服务目标是形成 9055[11]或 9064[12-13] 的养老格局，即 90%的老年人实现居家养老；5%或 6%的老年人实现社区养老；5%或 4%的老年人实现机构养老。由此可以看到，养老服务政策中的养老模式与总体养老目标相适应。（3）第三类是养老资源支持。包括人才、土地保障、资金、床位、补贴、高龄津贴等。其中还包括对高龄高人和失能半失能老人的特殊帮扶。
4.2 中心度对比分析。
将三个副省级城市养老服务政策加权共词矩阵分别导入ucinet软件，进行度数中心度分析。 （1）居家养老、机构养老和社区养老度数中心度均超过0.6，是其养老政策制定的重点，这也印证养老服务目标。其中，居家养老和社区养老度数中心度超过0.7，说明政府对居家养老和社区养老这两种养老模式高度重视。（2）武汉和杭州将智慧养老或互联网+养老的度数中心度大于0.5，说明武汉和杭州已经将智慧养老或互联网+养老作为政策制定重点之一。智慧养老和互联网+养老都是利用现代信息技术对老年人的生活起居、医疗保健等进行监测和管理，实现养老资源进行整合与优化，向老人提供更加优质、便捷的养老服务，是未来养老服务的发展趋势。成都在《成都市养老服务促进条例》中提出：“市和区（市）县人民政府应当支持养老服务组织运用互联网等技术手段推进智能养老，逐步实现对老年人信息的动态管理，提高养老服务水平”，但未出台专门政策推进互联网+养老或智慧养老服务。（3）三个副省级城市养老服务政策中资源型要素关键词都处于较为重要的地位，但对具体资源的关注度不一致。三个城市资金的度数中心度均大于0.5，说明养老服务发展需要公共财政的支持，养老产业属于公益或半公益产业，政府的财政补贴能缓解养老机构的运营压力，为更为弱势的老年群体（包括经济困难、失能半失能、高龄老人等） 提供一定养老服务保障。成都人才和土地的度数中心度大于0.4，在共词网络中处于较为重要的位置，而其他两市对人才和土地保障的关注则相对靠后。杭州助餐服务的度数中心度大于0.4，说明相对于另外两市，杭州将对老年人的助餐服务作为养老服务的的一个重点。 5 结语
本文将政策文本权重和关键词权重引入共词分析方法，选取成都、杭州和武汉的养老服务政策为研究对象，构建地方养老服务政策加权共词矩阵，并对矩阵进行综合和对比分析。得出以下结论：（1）养老政策的制定以服务养老目标为总体依据；（2）养老服务需要政府投入大量支撑性资源，包括资金投入、人才培养和设施建设等，但具体政策中各个城市对不同资源的关注度不一致。（3）地方养老政策中仍以保障基本性生活的政策为主，对老年人的精神文化生活关注甚少。（4）智慧养老、互联网+养老等养老的发展趋势已经成为地方养老服务政策制定的一个热点。
参考文献
[1] 甄晓燕.我国养老政策体系的问题与重构[J].宏观经济研究，2016（5）：23-27.
[2] 伍芷蕾，郁俊莉.中国社会养老服务政策变迁分析：基于政策网络视角[J].湖北行政学院报，2018（1）：63-65.
[3] 茍欢，刘立才.基于政策工具的养老服务政策文本：一种政策框架[J].四川理工学院学报（社会科学版），2014，29（1）：20-26.
[4] 王辉.政策工具视角下我国养老服务业政策研究[J].公共管理学报，2015（19）：83-85.
[5] 吴宾，刘雯雯.中国养老服务业政策文本量化研究（1994-2016）[J].经济体制改革，2017（4）：20-25.
[7] 陈慧茹，肖相泽等.科技创新政策加权共词网络研究——基于扎针理论与政策测量[J].科学学研究，2016，34（12）：1770-1776.
[8] 彭希哲，胡湛.公共政策视角下的中国人口老龄化[J].中国社会科学.2011（3）：121-138.
[9] 安兴茹.基于正太分布的词频分析法高频词阈值研究[J].情报杂志，2014，33（10）：129-136.
[10] 黄萃，任涛，张剑.政策文献量化研究——公共政策研究的新方向[J].公共管理学报2015，12（2）：129-137.
[11] 武汉市民政局.武汉市人民政府关于加快推进社会养老服务体系建设的意见.[EB-OL].[ 2018-02-20]. http：//mzj.wuhan.gov.cn/yjzj/161783.jhtml.
作者简介： 唐璞妮，女，1986年，硕士研究生，馆员，研究方向为信息计量.