برنامه ریزی فضایی ارتقای کیفیت محیط مسکونی مبتنی بر نتایج ارزیابی رضایت مندی ساکنان مورد پژوهش: مسکن مهر شهر جدید پردیس
Publish place: Sofeh، Vol: 31، Issue: 3
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 288
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SOFEH-31-3_005
تاریخ نمایه سازی: 11 مهر 1400
Abstract:
به منظور ارتقای سطح کیفی فضاهای مسکونی، در این پژوهش هدف کشف عوامل موثر بر کیفیت محیط مسکونی، ارتباط بین آن ها و بیان راهبردهایی به همین منظور است. کیفیت محیط مسکونی مفهومی پویا، پیچیده، و چندبعدی است که از ابعاد مختلف کالبدی، اجتماعی، اقتصادی، و زیست محیطی شکل گرفته و از معیارهای مناسب ارزیابی کیفیت محیط مسکونی سنجش رضایتمندی ساکنان از آن محیط است. ماهیت این پژوهش کیفی است اما به دلیل استخراج معیارهای قابل اندازه گیری و تلفیقی از روش های سنجش کمی در قالب شیوه همبستگی استفاده شده است. با تبیین الگوی معادله های ساختاری، عوامل سازنده کیفیت محیط مسکونی با عنوان متغیرهای مستقل و حس رضایت با عنوان متغیر وابسته ارزیابی شده و سپس، بر اساس نتایج حاصل از سنجش رضایت محیط مسکونی، با استفاده از فن AIDA، راهبردهایی برای ارتقای کیفیت محیط تدوین گردیده است. نتایج پژوهش از سنجش رضایت از کیفیت محیط مسکونی مسکن مهر شهر جدید پردیس، هسا حاکی از نارضایتی از امنیت و محیط زیست محله مسکونی و از تسهیلات و ویژگی های کالبدی واحدمسکونی است؛ همچنین نتایج بر اهمیت مسائل زیست محیطی و اجتماعی محله مسکونی و مقوله کالبدی واحد مسکونی دلالت می کند. با استفاده از فن تحلیل عرصه های تصمیم گیری، سناریوهای مختلف ارتقای کیفیت محیط مسکونی عرضه شد و سپس با ارزیابی آن ها، سناریویی که راهبرد آن توسعه متمرکز خدمات رفاهی عمومی و گذاران اوقات فراغت و همچنین توسعه شبکه معابر و زیرساخت هایی (سیستم فاضلاب و...) و بهبود وضعیت کیفی واحد مسکونی و امنیت محیط بود، با مزیت سناریوی برتر، برگزیده شد.
Keywords:
Authors
رضا رضایی خبوشان
کارشناس ارشد برنامه ریزی شهری، دانشکده معماری و شهرسازی، دانشگاه شهید بهشتی
مرجان نعمتی مهر
دانشیار دانشکده معماری و شهرسازی، دانشگاه شهید بهشتی
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 :