学术报告

作者信息和发表情况

本文的研究题为“Research on the factors influencing the epidemic resilience of urban communities in China in the post-epidemic era”，作者包括Peng Cui、Zhengmin You、Qinhan Shi、Lan Feng，分别来自南京林业大学土木工程学院工程管理系和河海大学商学院工程经济与工程管理系。该研究发表在国际期刊《Buildings》上，发布时间为2024年9月9日。

研究背景与目的

本研究聚焦于公共卫生突发事件后，中国城市社区的抗疫韧性研究（epidemic resilience of urban communities，ERUC）。在2020年新冠疫情爆发后，全球各国在应对重大公共健康危机时均遭遇了极大挑战。截至2023年，全球已进入后疫情时代，这一时期虽然日常生活回归常态，但社会仍需应对疫情的长期后果。因此，提升城市社区抵御公共卫生突发事件的能力，确保城市环境的正常功能运转，已成为城市治理的重要议题。本研究旨在探索后疫情时代影响城市社区抗疫韧性的关键因素，并通过系统性模型分析各因素间的层级关联性，最终为政策制定者提供优化建议。

研究流程

本研究结合了多阶段的研究方法，主要分为以下步骤：

1. 框架建立（Framework Establishment）
   研究团队采用扎根理论（Grounded Theory）的方法，基于实际数据构建适合中国情境的ERUC理论框架。扎根理论的核心流程包括开放编码（Open Coding）、主轴编码（Axial Coding）和选择编码（Selective Coding）。研究通过半结构化访谈从南京的两个社区中抽取了25名与疫情管理相关的社区居民和工作人员（样本包含5名社区工作人员和20名居民）。访谈内容被转录并导入NVivo11定性分析软件。通过逐词分析和多级编码，研究从59个初始概念中归纳出20个初步类别，再进一步整合为五大主要类别：人口特征、经济资本、社区治理、社会资本和社区环境。这些类别逐步构成了ERUC的中心理论框架。

2. 影响因素识别与精简
   为明确实际起作用的关键因素，研究通过问卷调查，运用主成分分析（Principal Component Analysis，PCA）对以上五大类别的20个因素进行了进一步筛选和优化。最终确定了14个关键因素，包括易感人群（Vulnerable group）、教育水平（Educational attainment）、风险感知（Risk perception）、医疗保险覆盖率（Medical insurance coverage）、社区规范（Communal norms）、社区应急响应（Community emergency response）、社区服务（Community service）、居民参与度（Resident participation）、政府效能（Government efficacy）等。上述因素被划分为五个层级，并在后续步骤中进一步分析其层级关系与作用机制。

3. 数据分析及模型构建
   采用了整合的DEMATEL-ISM方法（Decision Making Trial and Evaluation Laboratory 与 Interpretive Structural Modeling联合方法）。通过专家打分的直接影响矩阵（Direct Impact Matrix），构建了标准化的标准矩阵以及综合影响矩阵（Comprehensive Impact Matrix）；进一步计算影响度、受影响度、中心度和因果度，并确定各因素的中枢性和因果关系。随后通过分层建模，构建了ERUC影响因素的多层级层次结构模型，最终生成了由5层构成的因果层次图。

核心研究结果

1. 影响因素分析
   研究显示，ERUC的主要影响因素被分为五个层级：

   • 第一层（表面层）：包括医疗保险覆盖率（B3）、居民参与度（D1）和社区基础设施（E2），这些因素依赖性高但驱动力较小，主要受制于深层次因素的影响。
     
   • 第二层至第四层：包括风险感知（A3）、社区规范（C1）等，它们作为过渡因素，起到承上启下的作用。
     
   • 第五层（深层关键因素）：包括易感人群（A1）和政府效能（D2），这些因素驱动力强，对其他因素具有显著的影响作用。
     

2. 各维度的交互路径
   研究识别了6条关键影响路径，这些路径揭示了各维度因素之间的内在逻辑关系：

   • 路径1（人口特征与经济资本的交互）：如易感人群（A1）通过收入水平（B2）影响风险感知（A3）和医疗保险覆盖率（B3）。
     
   • 路径2（社区治理与社会资本的交互）：政府效能（D2）通过社区服务（C3）和社会网络（D3）促进社区参与度和规范。
     
   • 路径3（社会资本与环境的交互）：良好的社区环境和基础设施直接增强了社会网络关系和居民参与。
     
   • 路径4（人口特征对社会资本的影响）：风险感知（A3）提升了居民参与的意愿和水平。
     
   • 路径5（社区治理对经济资本的影响）：社区应急响应（C2）通过促进就业率（B1）提高经济资本水平。
     
   • 路径6（社区治理对环境的影响）：应急管理能力较强的社区拥有更高效的基础设施利用与改造能力。
     

3. 模型特征
   模型强调深层次驱动因素（如易感人群和政府效能）为其他因素提供支撑，表层的结果因素（如居民参与和医疗保险覆盖率）则受到多维度的间接影响。这种分层结构有助于制定针对性的干预措施。

研究意义与应用价值

本研究揭示了中国后疫情时代城市社区抗疫韧性构成的关键要素，为公共卫生事件中的社区管理提供了重要参考。通过区分深层次因素和表层依赖因素，它为政策制定者和社区规划提供了清晰的干预路径。此外，其整合DEMATEL和ISM方法的分析框架为研究复杂系统中的因素交互提供了新范式。

研究亮点

1. 制定的DEMATEL-ISM模型不仅分析了各因素的重要性，还揭示了它们的层级结构和逻辑关系，形成了一个从深层驱动到表层依赖的全面因果链路。
   
2. 提出了针对人口特征、社区治理和社会资本的具体政策建议，如针对易感人群的支持和政策倾斜、加强基础设施建设、以及融合政府和社会力量推动社区规范化治理。
   

通过以上研究，本文为复杂社区韧性问题的解决提供了系统分析方法和实践路径，对于其他国家或地区具有一定的借鉴与参考意义。