ارزیابی شاخصهای تعلق مکانی ساکنان بافت قدیم شهر کاشان
Publish place: Geography and Environmental Planning، Vol: 27، Issue: 2
Publish Year: 1395
Type: Journal paper
Language: Persian
View: 277
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_GEP-27-2_002
Index date: 10 May 2021
ارزیابی شاخصهای تعلق مکانی ساکنان بافت قدیم شهر کاشان abstract
دلبستگی به مکان و احساس تعلق به آن، این انگیزه را در فرد ایجاد میکند که به احیا و نوسازی همهجانبه محیطهای خانگی و محلی بپردازد و اجرای برنامههای مختلف اقتصادی و اجتماعی را در اجتماع محلی با توفیق چشمگیر همراه کند و کیفیت زندگی را بهبود بخشد. هدف اصلی این مقاله، سنجش عوامل موثر در احساس تعلق خاطر ساکنان بافت قدیم شهر کاشان است. روش پژوهش به کار رفته در این پژوهش، توصیفی– تحلیلی و پیمایشی با ابزار پرسشنامه خودساخته است. جمعیت بافت قدیم شهر کاشان، ۴۴۵۴۸ نفر بوده است و حجم نمونه بر طبق فرمول نمونهگیری کوکران، ۳۸۴ نفر محاسبه شد. برای تحلیل پرسشنامهها از نرمافزار SPSS و آزمونهای آماری تی و پیرسون استفاده شده است. نتایج به دست آمده، بیانگر آن است که بافت قدیم شهر کاشان در حال حاضر بیانگر هویتی نیست که از ابتدا برای آن تعریف شده و تصویر ذهنی و سیمایی که از این بافت در ذهن ساکنان این بافتها نقش بسته است، بهدلیل وضعیت نابسامان و برنامهریزینشده، بسیار آشفته است و خوانایی، ابعاد زیباشناختی، بافت، مقیاس، شکل بافت، ردیف پنجرهها، مصالح و غیره که از مشخصههای اصلی سازنده هویت است، در این بافت رعایت نشده است. بافت نه در عمل و نه در ذهن افراد، هویت شایستهای ندارد و نتوانسته است حس تعلق خاطر و اینهمانی را با افراد برقرار کند.
ارزیابی شاخصهای تعلق مکانی ساکنان بافت قدیم شهر کاشان Keywords:
ارزیابی شاخصهای تعلق مکانی ساکنان بافت قدیم شهر کاشان authors
محمدحسین سرایی
دانشیار جغرافیا و برنامه ریزی شهری دانشگاه یزد، یزد، ایران
امیر اشنویی
دانشجوی دکتری جغرافیا و برنامه ریزی شهری دانشگاه تهران، تهران، ایران
مجتبی روستا
دانشجوی دکتری جغرافیا و برنامه ریزی شهری دانشگاه سیستان و بلوچستان، سیستان و بلوچستان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :