مدلسازی رابطه بین سرزندگی شهری و حس تعلق مکانی در شهر قاین
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 68
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JUPM-11-40_002
تاریخ نمایه سازی: 26 بهمن 1402
چکیده مقاله:
سرزندگی یکی از معیارهای اصلی شهرهایی است که از کیفیت بالای برنامهریزی و طراحی برخوردارند. محیطهای شهری سرزنده، زمینهساز تعاملات اجتماعی، خلق و افزایش سرمایه اجتماعی و حس تعلق به مکان میگردند. هدف این مطالعه تحلیل رابطه سرزندگی و حس تعلق مکانی در شهر قاین است. این تحقیق جزو تحقیقات پیمایشی و ابزار جمعآوری دادهها، پرسشنامه میباشد. حجم نمونه آماری ۳۸۲ نفر از شهروندان شهر قاین میباشد که با استفاده از فرمول کوکران انتخاب شده است. متغیرهای مستقل این تحقیق شاخصهای سرزندگی شهری (دسترسی، پویایی اجتماعی، سرزندگی اقتصادی، امنیت شهری، طراحی معابر، مبلمان، روشنایی فضاهای شهری، سیما و منظر شهری و خوانایی) و متغیر وابسته، حس تعلق مکانی میباشد. برای تحلیل رابطه متغیرها از مدلهای k- نزدیکترین فاصله و الگوریتم جنگلهای تصادفی استفاده شده است. شاخص سرزندگی از ۲۸ گویه تشکیل شده است. یافتههای تحقیق نشان میدهد که میانگین ۱۷ گویه آن در سطح مناسبی قرار ندارد و ۱۱ گویه آن در سطح قابل قبولی هستند. در کل سرزندگی شهری در شهر قاین پایین است. همچنین میانگین متغیر حس تعلق مکانی در سطح متوسطی قرار دارد. با توجه به خروجی مدلها روش K نزدیک ترین همسایه نتایج بهتری از مدل جنگل تصادفی داشته است. عملکرد مدل K-NN گویای آن است که این مدل تاثیر سرزندگی بر تعلق مکانی را با ضریب همبستگی ۸۲/۰ و میزان خطای ۶۶/۰ و ریسک برآورد ۴۳/۰ شبیه سازی کرده است. بر اساس مدل ایجاد شده توسط الگوریتم جنگل تصادفی متغیر دسترسی بیشترین و خوانایی کمترین تاثیر را در حس تعلق در شهر قاین را دارند.
کلیدواژه ها:
نویسندگان
احمد اسدی
استادیار گروه جغرافیا و برنامه ریزی شهری، دانشگاه بزرگمهر قائنات، قاین، ایران
مهدی مودودی
استادیار گروه جغرافیا و برنامه ریزی شهری، دانشگاه بزرگمهر قائنات، قاین، ایران
سعید حسین آبادی
استادیار گروه جغرافیا و برنامه ریزی شهری، دانشگاه بزرگمهر قائنات، قاین، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :