社会生态系统理论下社区志愿者参与社区治理的影响因素及重要程度分析——基于ISM-AHP模型

Analysis on the Influencing Factors and Importance of Community Volunteers’ Participation in Community Governance under the Social Ecosystem Theory—Based on ISM-AHP Model

摘要: 随着五社联动体系的推广，社区志愿者成为社区治理的一支重要的力量，被认为是加强基层治理体系和治理能力的重要组成部分。为推动社区志愿者参与社区治理体系的进一步完善，通过构建ISM模型来确定社区志愿者参与社区治理的各影响因素之间的关系，在社会生态系统理论的基础上，运用层次分析法确定影响社区志愿者参与社区治理的主要因素。目前志愿者参与社区治理受多种因素影响，主要包括社区文化、邻里关系、政策宣传、家庭支持等。

Abstract: With the popularization of the linkage system of five social organizations, community volunteers have become an important force in community governance and are considered as an important part of strengthening the grass-roots governance system and governance capacity. In order to promote the further improvement of community volunteers’ participation in community governance system, the relationship among the influencing factors of community volunteers’ participation in community governance is determined by constructing ISM model. On the basis of social ecosystem theory, the main factors influencing community volunteers’ participation in community governance are determined by using analytic hierarchy process. At present, volunteers’ participation in community governance is influenced by many factors, including community culture, neighborhood relations, policy propaganda and family support.

1. 引言

2021年4月，中共中央、国务院印发《关于加强基层治理体系和治理能力现代化建设的意见》强调，要“完善社会力量参与基层治理激励政策，创新社区与社会组织、社会工作者、社区志愿者、社会慈善资源的联动机制” [1] 。社区志愿者是推进我国社区治理的重要力量，要加强基层治理体系和治理能力现代化建设，必须以习近平总书记的重要论述为指导，有效推进社区志愿者力量融入社区治理体系中。

近年来国内对社区志愿者参与社区治理的研究表明，我国社区志愿服务组织和人员数量众多，但是在发展过程中仍面临一系列问题，诸如缺乏长效激励机制、考核制度不尽完善、服务者类型较为集中等，在一定程度上打击了社区志愿者参与社区治理的热情，限制了我国志愿服务体系的进一步发展。如何完善我国社区志愿服务体系，激励志愿者的服务热情并维持长效激励，成为了破解当下困境的关键节点。

在影响社区志愿者参与社区治理的因素方面，潘苗苗、邓林等以南京市为例调查了公民个人差异对其参与社区志愿服务意愿的影响，认为性别、受教育程度对服务意愿影响较小，年龄、月收入对服务意愿有一定的影响，政治面貌对服务意愿的影响最大 [2] 。巨东红、康凯等学者研究了个人因素和服务项目因素对志愿者参与社区志愿服务意愿的影响，调查结果表明，人际交往是影响志愿服务意愿的重要动机，高学历、高收入者的主要动机是社会责任，同时志愿服务项目类型、难易程度等也对服务意愿有影响。在服务行为方面，服务时间、是否与个人的工作学习有冲突是影响志愿行为的主要因素，年轻人参与服务的意愿较强，同时，亲友的理解影响了参与志愿者是否参与服务的决心 [3] 。纪天田、苏立宁对青岛市社区志愿者的工作状况进行调查分析，研究了年龄、文化程度、政治面貌等因素，结果显示，社区志愿者中离退休人员占比超过50%，文化程度与政治面貌对志愿服务有一定影响 [4] 。

2. 理论基础与研究方法

2.1. 理论基础

社会生态系统理论是探索个人行为与社会环境交互作用的理论，在社会工作、社会学领域被广泛使用，其基本假设是个人是处于环境中的，理解个人不能独立去考虑，而应该把他放置在生活情境中。该理论流派党的著名代表人物查尔斯·扎斯特罗对当代社会生态系统理论进一步完善和发展，把人的个体行为归为三种基本类型：微观系统、中观系统、宏观系统 [5] 。微观系统指的是个人系统，包含对个体产生影响的心理、社会、生物等相互作用的系统类型。中观系统是指影响个体的任何小群体，包括团体、社区组织、家庭和其他群体。宏观系统是较中观系统规模更大的系统，涵盖社会文化、社区、制度、政策等。在社会生态系统中，个体行为与所成长的社会环境相互影响、相互联系。具体来说，社会生态系统中的微观系统既受到中观和宏观系统的影响，同样也会作用于其他两个系统。在社会生态系统理论视角下，社区志愿者参与社区治理的影响因素可以从微观、中观和宏观三个层面进行考虑，包括个人与家庭层面、社区层面和政府层面。

2.2. 研究方法

为了更好地梳理影响社区志愿者参与社区治理各因素间的关系，本文使用系统工程的ISM和AHP模型相结合的方法，对相关因素进行系统结构分析，寻找直接、间接和根源影响因素，为促进社区志愿者参与社区治理提供相应建议。

系统解释结构模型(ISM)是美国教授沃菲尔德为分析复杂的社会经济系统结构问题，将其进行模型化的有效方法，主要通过判断因素间的相互影响关系，将复杂关系层次化、条理化，并对内部关系进行解释说明 [6] 。层次分析法(AHP)是指将一个复杂的多目标决策问题试做一个系统，将目标分解为多个目标或准则，进而分解为多指标的若干层次，通过定性指标模糊量化方法算出层次排序，以作出优化决策 [7] 。本文运用ISM模型，在文献阅读和资料分析的基础上，归纳出社区志愿者参与社区治理的影响因素集，确定这些影响因素之间的逻辑关系，并通过层次分析法(AHP)进一步分析不同影响因素的权重，分析这些因素的相关关系和重要程度。

3. ISM模型构建与结果

3.1. 社区志愿者参与社区治理的影响因素分析

根据国内外学者对社区志愿者参与社区治理的影响因素研究，结合社会生态系统理论视角下各影响因素之间的逻辑关系，可以进行以下分析：在微观系统层面，受教育程度越高的社区居民越有可能成为志愿者 [8] ，居民参与志愿服务的倾向可能和收入呈正比 [9] ，党员居民更有可能参与社区志愿服务；在中观系统层面，主要考察家庭和社区带来的影响，家庭成员有参加志愿服务的经历或支持意愿更有可能带动其他人成为志愿者，“被他人邀请”也可能是社区居民参与志愿服务的重要途径之一 [10] ，社会关系广泛的居民获得邀请的可能性会更高，因此需要考虑邻里关系因素，同时社区规模大小、社区组织正式与否以及社区文化弘扬情况都应纳入考虑范畴。在宏观系统层面，主要考虑社会层面的影响因素，包括社区居民是否有畅通的渠道行使民主权利、当地政府的政务公开情况、志愿相关政策宣传情况以及公众对政府的信任程度。结合以上分析，确定因素集合(见表1)。

3.2. 确定邻阶矩阵与可达矩阵

邻接矩阵的A性质如下：

${\alpha }_y=\{\begin{array}{l}1,s_i与s_j有关系\\ 0,s_i与s_j无关系\end{array},j=0,1,\cdots ,k$

建立影响因素之间的相互关系如表2所示。

Table 1. Factors influencing volunteer participation in community governance

表1. 志愿者参与社区治理的影响因素

Table 2. The interrelationships between the influencing factors of volunteer participation in community governance

表2. 志愿者参与社区治理影响因素相互关系

构建影响因素间的邻接矩阵A

$A=\left[\begin{array}{cccccccccccccc}1& 1& 1& 0& 0& 0& 0& 0& 0& 0& 0& 0& 0& 1\\ 0& 1& 0& 1& 0& 0& 0& 0& 0& 0& 0& 0& 0& 1\\ 0& 0& 1& 1& 0& 0& 0& 0& 0& 0& 0& 0& 0& 1\\ 0& 0& 0& 1& 1& 0& 0& 0& 0& 0& 0& 0& 0& 1\\ 0& 0& 0& 0& 1& 0& 0& 0& 0& 0& 0& 0& 0& 1\\ 0& 0& 0& 0& 0& 1& 1& 1& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 1& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 1& 1& 0& 0& 0& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 0& 1& 1& 1& 0& 1& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 1& 1& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 1& 0& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 1& 1& 0& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 1& 1& 0& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 0& 1& 0& 0& 0& 0& 1\end{array}\right]$

建立可达矩阵R。在可达矩阵R中， $a_{ij}=1$ ，则表示所对应的行要素对列要素有直接或间接影响关系；若 $a_{ij}=0$ ，则无直接影响关系。

对于可达矩阵R，可以采用布尔运算法则：0 + 0 = 0，0 + 1 = 1，1 + 0 = 1，1 + 1 = 1，0 × 0 = 0，0 × 1 = 0，1 × 0 = 0，1 × 1 = 1。邻接矩阵加上单位矩阵，即先将A加上I，得到一个新的矩阵 $A1=\left(A+I\right)$ ，对新的矩阵A1进行幂运算，直到 $\left(A+I\right)\ne {\left(A+I\right)}^2\ne {\left(A+I\right)}^3\ne \cdots \ne {\left(A+I\right)}^{r－1}={\left(A+I\right)}^r=R$ 。

$R=\left[\begin{array}{cccccccccccccc}1& 1& 1& 1& 1& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 1& 0& 1& 1& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 1& 1& 1& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 1& 1& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 0& 1& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1& 1& 0\\ 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1\end{array}\right]$

3.3. 影响因素的级位划分

可达级、前因级、交集级列表：见表3。

将C = R的S8、S9、S10、S11、S12、S13、S14抽取出来，位于第1级。抽取后的层级划分为：见表4。

将C = R的S5、S7抽取出来，位于第2级。抽取后的层级划分为：见表5。

将C = R的S4、S6抽取出来，位于第3级。抽取后的层级划分为：见表6。

Table 3. List of reachable levels, antecedent levels, and intersection levels

表3. 可达级、前因级、交集级列表

Table 4. Level division of the second layer

表4. 第二层层级划分

Table 5. Level division of the third layer

表5. 第三层层级划分

将C = R的S2，S3抽取出来，位于第4级。抽取后的层级划分为：见表7。

通过级位划分，可得到第一层因素L1 = {S8, S9, S10, S11, S12, S13 ,S14}，L2 = {S5, S7}，L3 = {S4, S6}，L4 = {S2, S3}，L5 = {S1}。

Table 6. Level division of the fourth layer

表6.第四层层级划分

Table 7. Level division of the fifth layer

表7. 第五层层级划分

3.4. 影响因素间的关联关系和层次结构图

绘制影响因素间的关联关系和层次结构图如下图1。

Figure 1. Correlation and hierarchical structure diagram between influencing factors

图1. 影响因素间的关联关系和层次结构图

4. AHP评价指标权重的确定

4.1. 建立评价指标体系

本文在社会生态系统理论的基础上，区分了个体层面、社区层面、政府层面三类指标，构成指标体系A的准则层即一级指标层；并在这3个一级指标决策上，细分了共14个二级指标，构建了整个指标体系，具体如表8所示。

Table 8. Evaluation index system

表8. 评价指标体系

4.2. 层次分析法确定权重的具体步骤

4.2.1. 构建判断(成对比较)矩阵

所谓判断矩阵是以矩阵的形式来表述每一层次中各要素相对其上层要素的相对重要程度。为了使各因素之间进行两两比较得到量化的判断矩阵，引入托马斯·赛蒂的1~9标度法，如表9所示。

Table 9. Scale and description

表9. 标度及描述

4.2.2. 计算公式

用求和法可以计算特征值的近似值。

1) 将判断矩阵按列归一化(即列元素之和为1)：

$b_{ij}=\frac{a_{ij}}{{{\displaystyle \sum }}^{\text{}}{a}_{ij}}$

2) 将归一化的矩阵按行求和：

$c_i={{\displaystyle \sum }}^{\text{}}{b}_{ij}\left(i=1,2,3,\cdots ,n\right)$

3) 将 $c_i$ 归一化：得到特征向量

$w={\left(w_0,w_1,w_2,\cdots ,w_n\right)}^{\text{T}}$

$w=\frac{c_i}{{{\displaystyle \sum }}^{\text{}}{c}_i}$

$w$ 即为特征向量的近似值。

4) 求特征向量W对应的最大特征值：

5) 用一致性指标进行检验：

$CI=\frac{{\lambda }_{\max }-n}{n-1}$

$CR=\frac{CI}{RI}$

一致性指标RI与N阶矩阵对应表如表10所示：

Table 10. Correspondence table between consistency index RI and N-order matrix

表10. 一致性指标RI与N阶矩阵对应表

4.2.3. 构造目标层与一级指标层判断矩阵

本文一共收集20份专家问卷，将20份专家问卷通过几何平均数集结为一份矩阵，对一级指标层的各因素进行重要性比较。具体如表11所示。

Table 11. Judgment matrix for target layer and primary indicator layer

表11. 目标层与一级指标层判断矩阵

4.2.4. 构造一级指标层与二级层判断矩阵

对一级指标层下的各因素进行重要性比较。具体如表12至表14所示。

Table 12. Indicator layer judgment matrix under individual factors

表12. 个体因素下指标层判断矩阵

Table 13. Indicator layer judgment matrix under community factors

表13. 社区因素下指标层判断矩阵

Table 14. Indicator layer judgment matrix under government factors

表14. 政府因素下指标层判断矩阵

4.3. 计算过程与结果

本文以总目标层为例进行计算。

首先将矩阵归一，归一后的矩阵为：

$\left[\begin{array}{ccc}0.1429& 0.1304& 0.2000\\ 0.7143& 0.6522& 0.6000\\ 0.1429& 0.2174& 0.2000\end{array}\right]$

将归一后的矩阵按行求和：

${\left(\begin{array}{ccccc}0.4733& & 1.9665& & 0.5602\end{array}\right)}^{\text{T}}$

将行求和归一，得到权重向量：

$w_0={\left(\begin{array}{ccccc}0.1578& & 0.6555& & 0.1867\end{array}\right)}^{\text{T}}$

求最大特征值：

$A{w}_0=\left[\begin{array}{ccc}1& 1/5& 1\\ 5& 1& 3\\ 1& 1/3& 1\end{array}\right]\left[\begin{array}{c}0.1578\\ 0.6555\\ 0.1867\end{array}\right]=\left[\begin{array}{c}0.4756\\ 2.0046\\ 0.5630\end{array}\right]$

${\lambda }_{\max }=3.0292$

一致性检验：

$CI=\frac{{\lambda }_{\max }-n}{n-1}=\frac{3.0292-3}{3-1}=0.0146$

$CR=\frac{CI}{RI}=\frac{0.0146}{0.5800}=0.0252$

$CR=0.0252<0.1$ ，故判断矩阵A-B_i通过一致性检验。

同理计算出一级指标层与二级指标层的判断矩阵对应的指标权重向量和一致性检验值CR，均通过一致性检验。

将一级指标权重与二级指标权重相乘后得到组合权重，整理出权重结果见表15。

Table 15. Weights of various indicators

表15. 各项指标权重

由以上分析可知，影响社区志愿者参与社区治理的各个因素重要性有所区别，重要性排序为：S9 > S10 > S6 > S13 > S6 > S3 > S7 > S5 > S8 > S14 > S12 > S2 > S11 > S1 > S4。

5. 结束语

目前我国社区志愿者的参与社区治理意愿不高、持续性不强，最直接因素是模型中的第一级因素：社区干部(S8)、社区文化(S9)、邻里关系(S10)、民主权利(S11)、政务公开(S12)、政策宣传(S13)、公众信任(S14)，政府层面的因素时影响志愿者行为的直接原因。二三级因素可以视为中间层，即影响社区志愿者的参与社区的深层原因，包括家庭收入(S4)、家人支持(S5)、社区资金(S6)、社区援助(S7)，如果志愿者得不到家人和来自社区的支持，即使自己的服务意愿强烈，也无法参与社区治理的活动中。影响社区志愿者的参与社区的本质因素包括文化程度(S2)、政治面貌(S3)、年龄(S1)，随着年龄的增长服务意愿可能减弱，党员居民可能会更热衷于参加志愿服务。

根据测量的指标权重，可以看出社区层面的因素对志愿者参与社区治理有更为重要的影响，良好的社区文化能够吸引更多的志愿者参与社区治理，建立社区成员之间的良好邻里关系和积极互动是至关重要的，志愿者的参与通常受到其社交网络和支持系统的影响。良好的社区组织和有效的领导可以激发志愿者积极性和创造力，充足的社区资金和完善的社区援助则可以为志愿者提供多样化和灵活的参与机会。

就政府层面而言，对志愿服务进行广泛的政策宣传会起到较好的效果，公众对政府的信任程度也对社区志愿者参与社区治理有一定的影响。就个人层面来看，政治面貌对参与志愿服务与否的影响程度最大，家人支持也是重要的影响因素之一。