城市公园老年人健身活动空间偏好研究方法

城市公园老年人健身活动空间偏好研究方法一、量化研究方法（一）问卷调查法问卷调查是研究老年人健身空间偏好最常用的量化手段之一，通过设计标准化问卷，可大规模收集老年人的基本信息、健身行为特征及空间偏好数据。在问卷设计阶段，需充分考虑老年人的认知水平和语言习惯，避免使用专业术语和复杂句式。例如，询问空间设施偏好时，应将“多功能健身器材”“休憩座椅”“遮阳避雨设施”等具体选项列出，而非笼统提问“你喜欢哪些设施”。样本选取需遵循随机性和代表性原则，可采用分层抽样法，按照城市不同区域（如老城区、新城区、城乡结合部）、公园类型（综合公园、社区公园、专类公园）及老年人年龄层次（60-69岁低龄老人、70-79岁中龄老人、80岁以上高龄老人）进行分层，确保样本能覆盖不同背景的老年群体。问卷发放方式可结合线上线下，线上通过社区老年大学微信群、养老机构公众号等渠道发放电子问卷，线下则在公园入口、健身区域、社区活动中心等地现场发放纸质问卷，同时安排工作人员协助视力不佳或不会使用智能手机的老人完成填写。回收问卷后，需进行数据清洗，剔除无效问卷（如漏填关键信息、答案前后矛盾的问卷），再利用SPSS、AMOS等统计分析软件进行描述性统计分析，如计算不同年龄段老年人对各类健身空间的偏好比例；通过相关性分析，探究老年人年龄、性别、健康状况等因素与空间偏好之间的关联；还可采用因子分析法，提取影响老年人空间偏好的主要因子，如“设施便利性因子”“环境舒适性因子”“社交互动性因子”等。（二）空间句法分析空间句法是一种基于图形的空间分析方法，通过对城市公园的空间形态进行量化描述，揭示空间结构与老年人健身行为之间的关系。其核心指标包括整合度、选择度、深度值等。整合度反映空间的可达性和吸引力，整合度越高的空间，越容易被老年人感知和到达；选择度表示空间作为交通路线被选择的概率，选择度高的区域通常是老年人健身活动的主要流动路径；深度值则体现空间之间的拓扑距离，深度值越小，空间之间的联系越紧密。在应用空间句法时，首先需对城市公园进行空间分割，将其划分为不同的空间单元，如健身广场、步道、器械区、休息区等。然后，运用Depthmap等专业软件构建空间轴线模型或线段模型，计算各空间单元的句法指标。例如，通过分析发现某公园的健身广场整合度较高，说明该广场在整个公园空间中具有较强的中心性，是老年人健身活动的核心区域；而某条林间步道的选择度较低，可能是因为其位置较为偏僻，老年人较少涉足。结合老年人的健身行为数据（如通过问卷调查获取的老年人常去的健身区域、活动路线），可进一步探讨空间句法指标与老年人空间偏好的相关性。若研究结果显示，老年人更倾向于选择整合度高、选择度大的空间进行健身活动，那么在公园规划设计中，应注重提升核心健身区域的可达性，优化空间布局，增强不同功能空间之间的联系。（三）行为观察法行为观察法是通过直接观察老年人在城市公园中的健身行为，记录其活动时间、活动类型、空间选择等数据，从而分析其空间偏好。观察前需制定详细的观察方案，确定观察地点（如公园的主要健身区域、不同时间段的人流密集区）、观察时间（工作日、周末、不同时段，如早高峰7:00-9:00、午间11:00-13:00、晚高峰17:00-19:00）及观察内容（如老年人的健身方式、停留时间、与他人的互动情况、对空间设施的使用频率等）。观察方式可采用结构化观察和非结构化观察相结合。结构化观察需设计观察记录表，对老年人的行为进行分类记录，例如将健身行为分为器械健身、散步慢跑、广场舞、太极拳等类别，统计不同类别在各空间的发生频率；非结构化观察则更注重捕捉老年人的自发性行为和细节，如老年人在使用某类健身器材时遇到的困难、对空间环境的评价（如是否抱怨噪音过大、光线不足）等。为确保观察数据的准确性和客观性，可安排多名观察员同时进行观察，并采用交叉检验的方式对数据进行核对。观察结束后，对数据进行整理和分析，通过对比不同空间的行为发生频率、老年人停留时间等指标，总结老年人的空间偏好规律。例如，若观察发现早晨7:00-9:00，公园的广场舞区域聚集了大量老年人，而器械区的使用人数相对较少，说明低龄老人可能更偏好具有社交互动性的集体健身空间，而高龄老人则可能因身体原因更倾向于选择动作幅度较小的器械健身空间。二、质性研究方法（一）深度访谈法深度访谈是一种一对一的质性研究方法，通过与老年人进行深入交流，挖掘其对城市公园健身空间的主观感受、需求和偏好。访谈对象的选取应具有针对性，可采用目的抽样法，选择不同年龄、性别、健康状况、健身习惯的老年人作为访谈对象，例如选取经常在公园健身的积极参与者、偶尔健身的参与者以及因空间问题很少去公园健身的老年人，从多个角度了解老年人的空间偏好。访谈前需制定访谈提纲，提纲应围绕研究主题设计开放式问题，如“你最喜欢在公园的哪个区域健身？为什么？”“你认为当前公园的健身空间存在哪些不足之处？”“你希望未来公园的健身空间增加哪些设施或功能？”等。访谈过程中，访谈员需保持中立，避免引导性提问，同时认真倾听老年人的回答，适时追问，深入挖掘其背后的想法和动机。例如，当老年人提到“我喜欢在湖边的步道散步”时，可进一步追问“你喜欢这里的原因是风景好，还是因为人比较少？”访谈结束后，需对访谈录音进行转录，将口语化的表达转化为书面文字，然后运用NVivo、MAXQDA等质性分析软件进行编码分析。通过开放式编码，将访谈资料分解为不同的概念和范畴，如“环境优美”“设施齐全”“交通便利”等；再进行主轴编码，梳理各范畴之间的逻辑关系，如“环境优美”与“空间偏好”之间的因果关系；最后通过选择性编码，提炼出核心范畴，如“老年人健身空间偏好的影响因素模型”。（二）焦点小组访谈法焦点小组访谈法是将6-10名具有相似特征或经历的老年人聚集在一起，围绕城市公园健身空间偏好这一主题进行讨论。与深度访谈相比，焦点小组访谈能激发参与者之间的互动，通过相互启发和补充，获得更丰富、全面的信息。在组织焦点小组访谈时，需精心挑选参与者，确保他们在年龄、性别、健身习惯等方面具有一定的多样性，同时避免将观点过于极端或性格过于内向的人安排在同一组，以免影响讨论的氛围和效果。访谈前，同样需要准备访谈提纲，引导讨论方向，例如从“你理想中的公园健身空间是什么样的？”“你和朋友一起健身时，更看重空间的哪些特点？”等问题入手，引发参与者的讨论。访谈过程中，主持人需熟练掌握引导技巧，鼓励每位参与者发言，控制讨论节奏，避免出现少数人主导讨论或话题偏离的情况。同时，安排记录员对讨论内容进行实时记录，包括参与者的发言内容、表情、肢体语言等。访谈结束后，对记录资料进行整理和分析，提取参与者共同关注的问题和观点，以及不同群体之间的分歧。例如，在某焦点小组访谈中，低龄老人普遍强调健身空间的社交功能，希望增加可供集体活动的场地；而高龄老人则更关注空间的安全性和便利性，如是否有扶手、座椅是否充足等。（三）参与式观察法参与式观察法要求研究者深入老年人的健身活动场景，以参与者的身份与老年人共同参与健身活动，在亲身体验中观察和理解老年人的空间偏好。这种方法能让研究者更贴近老年人的生活，捕捉到问卷调查和普通观察法难以发现的细节和隐性需求。在参与式观察过程中，研究者需先与老年人建立信任关系，可通过主动参与他们的健身活动，如一起打太极拳、跳广场舞，帮助他们调试健身器材等方式，融入老年群体。在活动中，注意观察老年人的行为习惯，如他们如何选择健身位置、如何与他人互动、对空间环境的适应情况等。同时，与老年人进行自然的交流，了解他们对空间设施的使用感受、对公园管理的意见和建议。例如，在参与某公园的老年人健身活动时，研究者发现部分老年人在使用户外健身器材时，因器材高度不合适而感到不便，但由于不好意思向工作人员反映，只能勉强使用。通过参与式观察，研究者不仅发现了这一问题，还了解到老年人希望器材能根据不同身高和身体状况进行调节。此外，研究者还观察到，老年人在健身过程中，更倾向于选择靠近休息区和卫生间的位置，以便随时休息和解决生理需求。三、混合研究方法（一）量化与质性方法的结合混合研究方法是将量化研究和质性研究相结合，充分发挥两种方法的优势，更全面、深入地研究老年人的健身空间偏好。例如，可先通过问卷调查法大规模收集老年人的基本信息和空间偏好数据，了解整体的偏好趋势和分布情况；然后，根据问卷调查的结果，选取具有代表性的老年群体进行深度访谈或焦点小组访谈，深入挖掘其偏好形成的原因和背后的需求。在数据整合阶段，可采用三角验证法，将量化数据和质性资料相互印证。例如，问卷调查结果显示，70%的老年人希望公园健身区域增加更多的休息座椅，而深度访谈中，老年人进一步解释了原因，如健身过程中容易疲劳，需要随时休息，尤其是高龄老人，身体耐力较差，对休息设施的需求更为迫切。通过将两者结合，不仅验证了量化数据的真实性，还为数据提供了更丰富的解释。（二）多源数据融合分析随着信息技术的发展，多源数据融合分析在老年人健身空间偏好研究中的应用越来越广泛。除了传统的问卷调查、观察数据外，还可整合手机定位数据、公园监控视频数据、社交媒体数据等多源数据，从多个维度分析老年人的空间偏好。手机定位数据可通过与电信运营商合作或开发专门的APP获取，能实时追踪老年人的活动轨迹，了解他们在公园内的停留时间、活动范围和移动路线。例如，通过分析手机定位数据发现，某公园的健身广场是老年人停留时间最长的区域，且老年人的活动轨迹主要集中在广场周边的步道和器械区，说明该区域是老年人健身活动的核心区域。公园监控视频数据可用于分析老年人的行为模式，如不同时间段的人流密度、健身活动类型的分布等。通过对监控视频进行智能分析，可自动识别老年人的健身行为，如散步、跑步、使用器械等，统计不同行为在各空间的发生频率。社交媒体数据则能反映老年人对公园健身空间的评价和需求，可通过爬取老年论坛、微信群、朋友圈等平台上的相关信息，分析老年人对公园健身空间的满意度、抱怨的问题以及提出的建议。例如，在某老年论坛上，有老年人发帖抱怨公园健身区域的垃圾桶数量不足，导致环境脏乱，这一信息可为公园的设施优化提供参考。通过将多源数据进行融合分析，可更全面、准确地把握老年人的健身空间偏好，为城市公园的规划设计和管理提供科学依据。例如，结合手机定位数据和问卷调查数据，可精准定位老年人的主要活动区域，根据该区域老年人的年龄结构和健身需求，合理配置健身设施和休息设施；利用监控视频数据和社交媒体数据，及时发现公园健身空间存在的问题，如设施损坏、环境嘈杂等，并采取相应的改进措施。四、新兴技术应用（一）虚拟现实（VR）技术虚拟现实技术为老年人健身空间偏好研究提供了新的途径。通过构建虚拟的城市公园健身场景，让老年人在虚拟环境中体验不同的空间布局、设施配置和环境氛围，记录他们在虚拟场景中的行为和偏好选择。在使用VR技术进行研究时，首先需创建高逼真度的虚拟公园模型，模型应包含不同类型的健身空间，如传统器械区、智能健身区、集体活动广场、林间步道等，同时可设置不同的环境变量，如季节（春、夏、秋、冬）、天气（晴天、阴天、雨天）、时间段（早晨、中午、晚上）等。然后，邀请老年人佩戴VR设备，进入虚拟场景进行体验，观察他们在虚拟场景中的活动轨迹、停留时间、与虚拟设施的互动情况等。例如，在某虚拟公园体验实验中，研究者设置了两种不同的健身空间布局方案，一种是集中式布局，将所有健身设施集中在一个区域；另一种是分散式布局，将健身设施分散在公园的不同位置。通过观察老年人在两种布局方案中的行为发现，大部分老年人更倾向于选择集中式布局，因为这种布局方便他们与他人交流和互动，同时也便于管理和使用设施。此外，研究还发现，老年人对虚拟场景中的自然环境（如绿树、花草、湖水）有明显的偏好，说明良好的自然环境能提升老年人对健身空间的满意度。（二）物联网（IoT）技术物联网技术可实现对城市公园健身空间的实时监测和数据采集，通过在健身设施、环境监测设备等上安装传感器，收集老年人的使用数据、环境数据等，为研究老年人的空间偏好提供客观、准确的数据支持。例如，在健身器材上安装使用传感器，可记录老年人使用器材的时间、频率、力度等数据，分析不同年龄段、性别的老年人对各类器材的偏好程度；在公园的不同区域安装人流量传感器，实时监测各区域的人流密度，了解老年人在不同时间段的空间分布情况；通过环境传感器，监测公园的温度、湿度、噪音、光照等环境指标，探究环境因素对老年人空间选择的影响。将物联网采集的数据与问卷调查、观察等方法获取的数据相结合，可进行更深入的分析。例如，通过对比物联网数据和问卷调查数据发现，老年人在问卷调查中表示喜欢安静的健身环境，但实际行为数据显示，他们更倾向于选择人流相对较多的区域，这可能是因为这些区域具有更好的社交氛围。进一步分析发现，老年人对“安静”的定义并非绝对的安静，而是在有一定社交互动的同时，噪音水平不影响正常的健身活动。（三）人工智能（AI）技术人工智能技术在老年人健身空间偏好研究中的应用主要体现在数据挖掘和预测分析方面。利用机器学习算法，对收集到的大量数据进行分析，挖掘隐藏在数据中的规律和模式，预测老年人的空间偏好变化趋势。例如，采用决策树算法，根据老年人的年龄、性别、健康状况、健身习惯等特征，构建预测模型，预测不同老年群体对健身空间的偏好类型；运用聚类算法，将老年人分为不同的偏好群体，如“社交型群体”“健康型群体”“休闲型群体”等，针对不同群体的需求，提出个性化的空间优化建议。此外，人工智能还可用于图像识别和自然语言处理。通过对公园监控视频进行图像识别，自动识别老年人的健身行为和空间分布；对访谈录音、社交媒体文本等进