تحلیل فازی عوامل موفقیت مدیریت شهری براساس شاخص‌های شهرهای آینده
محورهای موضوعی : مطالعات مدیریت شهری
سلیمان فیضی
1
(دانشجوی دکتری تخصصی، گروه مدیریت، واحدامارات، دانشگاه آزاداسلامی، دبی، امارات متحده عربی.
solaiman_feyzy@yahoo.com)
افسانه زمانی مقدم
2
(دانشیار، گروه مدیریت، واحدعلوم وتحقیقات، دانشگاه آزاداسلامی، تهران، ایران.
afz810@gmail.com (نویسنده مسئول))
رضا رادفر
3
(استاد، گروه مدیریت صنعتی، واحدعلوم وتحقیقات، دانشگاه آزاداسلامی، تهران، ایران.
radfar@gmail.com)
سیدعبداله امین موسوی
4
(استاد، گروه مدیریت صنعتی، واحدعلوم وتحقیقات، دانشگاه آزاداسلامی، تهران، ایران.
radfar@gmail.com)
کلید واژه: مدیریت شهری, شاخص‌های شهرهای آینده, تحلیل فازی,
چکیده مقاله :
هدف اصلی این پژوهش، تحلیل فازی عوامل موفقیت مدیریت شهری براساس شاخص‌های شهرهای آینده است. تحقیق حاضر از لحاظ هدف، از نوع تحقیقات کاربردی و از نظر نوع روش، روش تحقیق توصیفی - پیمایشی، محسوب می‌گردد. ابزار جمع‌آوری داده‌ها شامل فیش برداری و پرسشنامه بود. جامعه آماری پژوهش حاضر، خبرگان حوزه مدیریت شهری هستند. از روش نمونه‌گیری هدفمند برای انتخاب افراد نمونه استفاده شد. برای تحلیل داده‌ها از نرم افزار سوپردسیژن استفاده شد. در گام نخست با مرور ادبیات موضوع و تحقیقات انجام شده تعداد زیادی شاخص از ادبیات موضوع استخراج گردید. در ادامه مدل مدیریت شهری براساس شاخص‌های شهرهای آینده با استفاده از تحلیل شبکه فازی رتبه بندی شدند. در پژوهش حاضر عوامل در شش سطح قرار گرفته‌اند. به نحوی که حقوق و قوانین و مقررات در سطح آخر و توریسم در سطح اول قرار گرفت. در ادامه پژوهش از رویکرد آینده نگارانه بهره گرفته شده است. بررسی نتایج بدست آمده از جدول فوق حقوق و قوانین و یادگیری اجتماعی و آموزش با نمره 22 تأثیرگذارترین عامل گزارش شدند. همچنین توریسم با مجموع 17 در بین عوامل، در اولویت اول تأثیرپذیری قرار گرفت. درجه مطلوبیت ماتریس اثرات بهینه‌شدگی 100 درصد برخوردار بوده که حاکی از روایی بالای پرسشنامه و پاسخ‌های مربوط به آن است. براساس بردار ویژه بدست آمده: محیط زیست با وزن نرمال 358/0 از بیشترین اولویت برخوردار است. کالبد شهری با وزن نرمال 267/0 در اولویت دوم قرار دارد. حمل و نقل با وزن نرمال 241/0 در اولویت سوم قرار دارد. اقتصاد با وزن نرمال 134/0 از کمترین اولویت برخوردار است.
The main goal of this research is the fuzzy analysis of urban management success factors of future city indicators. In terms of purpose, the present research is applied research and in terms of method, it is a descriptive-survey research method. Data collection tools included questionnaires and questionnaires. The statistical population of this research are experts in the field of urban management. Purposive sampling method was used to select sample people. Superdesign software was used for data analysis. In the first step, by reviewing the subject literature and research, a large number of indicators of the subject literature have been examined. Following the urban management model, the indicators of future cities were ranked using fuzzy network analysis. In the current research, the factors are placed in six levels. In such a way that laws and regulations were placed at the last level and tourism at the first level. In the continuation of the research, it is taken from the perspective of the future. Examining the results obtained from the above table, rights and laws and social learning and education were reported as the most influential factors with a score of 22. Also, tourism with a total of 17 factors was placed in the first priority of acceptability. The degree of usefulness of the matrix is 100%, which indicates the high validity of the questionnaire and its related answers. Special vector machine of the obtained software: the environment with a weight of 0.358 is the highest priority. The urban body with a normal weight of 0.267 is in the second priority. Transportation with a normal weight of 0.241 is in the third priority. Economy with a normal weight of 0.134 is one of the lowest priorities.
Evans, G., Foord, J., Gertler, M., Tesolin, L. & Weinstock, S. 2006. Strategies for creative spaces and cities: lessons learned, London & Toronto, Cities institute, London Metropolitan University & Munk centre for international studies, University of Toronto. pp:60-65
Lees, A. etal, Eds. The Urbanization and Economic Development in Germany 1815- 1914 , In : Town in Societies: Essays in economic history and historical society ( P. Abrams and E.A. Wrigley,Eds.) Cambridge Univ. press, 1976.
Lei, Y., Wang. J. a., Yue, Y., Zhou, H., & Yin, W. (2013).Rethinking the relationships of vulnerability.resilience, and adaptation from a disaster risk perspective. Natural Hazards, 70 (1), 609-627. doi: 10. 1007/ s12069- 013- 0831- 7.
Mc Gill, R. (1994). Integrated Urban planning and governance: Is there a Barcelona model. International Planning Studies, 11(1), 35-42.
Rotmans, J., & Van Asslt, M. (2000). Policies and innovations in developing countries. Westport: Greenwood Praeger Press
Stead, D. (2015): What does the quality of governance imply for urban prosperity?. Habitat International, 45,64-69.
Wong, C. (2015): A framework for ‘City Prosperity Index’: Linking indicators, analysis and policy. Habitat International, 45, 3-9.
Yigitcanlar, T., Dur, F., & Dizdaroglu, D. (2015): Towards prosperous sustainable cities: A multiscalar urban sustainability assessment approach. Habitat International, 45, 36-46.
Ying, Y ., Shou, Y., & Wu, X. (2005). Empirical Analysis of Urban Management and Public Services in Chinese Cities. International Conference on Services Systems and Services Management , China.
_||_