روش تحلیل لایه ای علی (CLA) و کاربرد آن در واکاوی عمیق مسائل در سیستم های آشوبناک شهری و منطقه ای
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 754
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_JGQE-11-42_004
تاریخ نمایه سازی: 18 بهمن 1400
Abstract:
در دوره تورم شهری و لگام گسیختگی شهرنشینی، شاهد تقابل دو سیستم پیچیده زمین یعنی زیست کره (زمین، دریا و جو) و تکنولوژی کره (شهرها، صنعت، تجارت و دولت) هستیم. از سویی جهان امروز سریعتر از هر زمان دیگری در حال تغییر است و دست خوش و آبستن تحولات گسترده. این تغییر و تحول گسترده با پیروی از روندی غیر خطی، پیچیدگی و عدم قطعیت های فراوانی را رقم می زند که نحوه مواجهه با آن را بسیار مشکل می نماید. در چنین شرایطی دریافته ایم که برنامه ریزان شهری و سیاست گذاران، رویکرد آینده مدار کارامدی ندارند که به آن ها این توانایی را دهد که از تغییرات قریب الوقوع، آماده شدن موثر (فعال) برای پیامدهای متعاقب و پرداختن به پیچیدگی های ذاتی و سردرگم پیشی بگیرند. یکی از مهمترین دلایل این مساله، ناکارآمدی ابزارهای شناختی در تصمیم گیری و برنامه ریزی رایج و جاری است. در بسیاری موارد، عدم درک صحیح شرایط و علل پدیده ها و نیز تبعیت فرایند برنامه ریزی از مراحل کلیشه ای، باعث بروز مشکلات متعدد در جامعه هدف برنامه ریزی و عدم تحقق طرح ها و برنامه ها می شود. روش تحلیل لایه ای علی یکی از روش های بسیار مهم و تاثیرگذار در حوزه آینده پژوهی است که به دنبال ترکیب و یکپارچه سازی دیدگاه های تجربی، تعبیری، انتقادی و یادگیری حین عمل است و بر مبنای آن می توان تحلیل بسیار عمیق تری از علل مسائل پیچده در فضای آشوبناک شهری ارائه داد و از پی آن تصمیماتی مقرون به واقعیت گرفت.
Keywords:
Authors
علی توبچی ثانی
دانشجوی دکترای شهرسازی، دانشگاه هنر اصفهان، اصفهان، ایران
محمود محمدی
دکترای شهرسازی، دانشیار دانشگاه هنر اصفهان، اصفهان، ایران
سعید خزایی
دکترای آینده پژوهی، استاد دانشگاه تهران، تهران، 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 :