تحلیل الگوی فضایی پراکنش آرای انتخابات ریاست جمهوری در مناطق قومی ایران با استفاده از مدل Topsis

محورهای موضوعی : شهرسازی

مجتبی عزیزی جوبشهر ¹ , تهمینه دانیالی ² , ریباز قربانی نژاد ³

1 - گروه جغرافیای سیاسی،دانشکده علوم انسانی،دانشگاه آزاد اسلامی واحد شهرری،تهران،ایران.
2 - عضو هیات علمی دانشکده جغرافیای برنامه ریزی شهری دانشگاه یادگار امام
3 - گروه آموزشی جغرافیا، دانشکده ادبیات و عاوم انسانی ، واحد علوم و تحقیقات تهران

تاریخ دریافت : 1404/05/09 تاریخ پذیرش : 1404/07/27 تاریخ انتشار : 1404/06/27

کلید واژه: الگوی فضایی , انتخابات ریاست جمهوری , پراکنش آرا , مناطق قومی,

چکیده مقاله :

تنوع در توزیع جغرافیای طبیعی ایران باعث گردیده تـا مردمـانی بـا خصوصـیات و ویژگیهای متفاوت در مناطق مختلف این کشور زندگی کنند. این تنوع مکانی باعث ایجـاد و بـروز رفتارهـای اجتمـاعی خاص در هر یک از مناطق جغرافیایی ایران گردیده است که عملکرد و رفتارهای انتخابـاتی و همچنـین انگیـزه و میـزان مشارکت در انتخابات را تحت تاثیر قرار داده است. نحوه حضور مردم برای مشارکت آنها در تصمیم گیری های سیاسی در مناطق مختلف کشور و در هر استانی نسبت به استان دیگر متفاوت است که یکی از مهمترین دلایل آن مساله پراکنش فضایی-قومی جغرافیای انتخابات است . بر این اساس در گذشته رویکرد غالب رای دهی در کشور رویکرد سنتی بوده است که با گذر زمان و افزایش تغییرات کشوری و مسائل و چالش های هویت ملی ، جغرافیای انتخابات نیز با تغییراتی گسترده مواجه شده است . از این رو پژوهش حاضر با روش توصیفی-تحلیلی و کاربردی تحلیل الگوی فضایی پراکنش آرای انتخابات ریاست جمهوری در مناطق قومی ایران با استفاده از مدل Topsis را مورد ارزیابی قرار می دهد . جامعه آماری پژوهش حاضر از کلیه کارشناسان حوزه جغرافیای سیاسی و جامعه شناسی تشکیل شده است که حجم نمونه آن بر مبنای مدل کوکران تعداد 35 نفر تعیین گردید.به منظور تحلیل داده ها نیز از آزمون میانگین در نرم افزار spss و مدل تصمیم گیری تاپسیس در نرم افزار MATLAB استفاده گردید.نتایج نشان داد دو الگوی همسایگی و مکان محور بیشترین تاثیرپذیری را در پراکنش آرای ریاست جمهوری دارا می باشند و الگوی سنتی رادیکال کمترین تاثیرپذیری را دارا می باشند.

چکیده انگلیسی:

The diversity in the distribution of Iran's natural geography has led to people with different characteristics and features living in different regions of the country. This spatial diversity has led to the emergence of distinct social behaviors in each of Iran's geographical regions, influencing electoral behaviors as well as motivation and levels of participation in elections. The way people engage in political decision-making varies across different regions of the country and within each province, with one of the most significant reasons being the spatial-ethnic distribution in the geography of elections. Consequently, in the past, the dominant approach to voting in the country has been traditional, but over time, with increasing national identity changes and challenges, the geography of elections has also faced extensive changes. Therefore, this present study evaluates the spatial distribution pattern of presidential election votes in Iran's ethnic regions using the Topsis model through a descriptive-analytical and applied method. The study population consists of all experts in the fields of political geography and sociology, with a sample size of 35 individuals based on the Cochran model. For data analysis, both SPSS for average testing and the Topsis decision-making model in MATLAB were used. The results indicate that the proximity and location-centric patterns have the greatest influence on the distribution of presidential votes, while the traditional radical pattern has the least influence.

منابع و مأخذ:

مرکز آمار ایران ، 1400
پرچمی, داود, & درخشان, فاطمه. (1400). بررسی شکاف اجتماعی و عوامل موثر بر آن؛ مورد مطالعه: شهر تهران. جامعه شناسی کاربردی, 32(3), 1-26. doi: 10.22108/jas.2021.125207.1991
پژوهشکده مطالعات فرهنگی-اجتماعی،1400، https://iscs.razi.ac.ir
فتحی،1400،پژوهشکده،https://srtc.ac.ir/analytical-reports/ID/5112
مهرابی کوشکی، راضیه، امام جمعه زاده، سیدجواد، مسعودنیا، حسین، و ربانی، علی(1396). تصویر از خود: برساختی انتقادی ایده آلیستی از هویت ملی؛ مورد مطالعه: دانشجویان دکترای دانشگاه اصفهان. راهبرد فرهنگ، 10(37 )، 125-162. https://sid.ir/paper/1132
• Briassoulis, H. (2020). Analysis of land use change: theoretical and modeling approaches.
• Cox KR, editor.2005,Political geography: Critical concept in the social sciences. 1st Volume. London: Routledge.
• Cupples J.(2009),Rethinking electoral geography: Spaces and practices of democracy in Nicaragua. Trans Inst Br Geogr;34(1).
• Dankle, M. (2019). Idioma com a veu: Teacher perspectives on language policy in Catalonia.
• Dikshit RD.1982.Political geography a contemporary perspective. New York: McGraw‐Hill;
• Escobar, A. (2018). Culture, economics, and politics in Latin American social movements theory and research. In The making of social movements in Latin America (pp. 62-86). Routledge.
• Feng, M., & Porter, M. A. (2021). Persistent homology of geospatial data: A case study with voting. SIAM Review, 63(1), 67-99.
• Flint, C., & Taylor, P. J. (2018). Political geography: World-economy, nation-state and locality. Routledge.
• Goddard, R.D., & Goddard, Y. L.2001,A multilevel analysis of the relationship between Teacher,School Effectiveness and School Improvement 22(2):175-191..
• Gregory D, Johnston R, Pratt G, Watts M, Whatmore S.(2015)The dictionary of human geography. 5th Edition.Hoboken: John Wiley & Sons.
• Hafezniya MR, Kavyanirad M.2014.Philosophy of political geography. Tehran: Strategic Studies Institute.[Persian]
• Johnston RJ.(2000)A quastion of place: Exploring the practice of human geography. Tabrizi J, translator. Tehran: Ministry of Foreign Affairs.[Persian]
• Kiessling, N., & Pütz, M. (2020). Assessing the regional governance capacities of spatial planning: the case of the canton of Zurich. Regional Studies, Regional Science, 7(1), 183-205.
• Kumar, A., Salo, J., & Li, H. (2019). Stages of User Engagement on Social Commerce Platforms: Analysis with the Navigational Clickstream Data. International Journal of Electronic Commerce, 23(2), 179-211.
• Lee SI.(2009),Neighborhood effects. In: International encyclopedia of human geography. 7th Volume. Amsterdam: Elsevier; 2009. pp. 349‐53.
• Machin, J., Batista, E., Martínez-Ballesté, A., & Solanas, A. (2021). Privacy and security in cognitive cities: A systematic review. Applied Sciences, 11(10), 4471.
• Ngoc, N. M. (2022). Decision-Making Factors in the Housing Market for Vietnamese Immigrants in Poland. ДЕМИС. Демографические исследования/DEMIS. Demographic Research, 2(1), 151-162.
• Orgiazzi, A., Panagos, P., Yigini, Y., Dunbar, M. B., Gardi, C., Montanarella, L., & Ballabio, C. (2016). A knowledge-based approach to estimating the magnitude and spatial patterns of potential threats to soil biodiversity. Science of the Total Environment, 545, 11-20.
• Orton, L., Halliday, E., Collins, M., Egan, M., Lewis, S., Ponsford, R., ... & Popay, J. (2017). Putting context centre stage: evidence from a systems evaluation of an area based empowerment initiative in England. Critical Public Health, 27(4), 477-489.
• Pishgahifard,Zahra, (2013),Course notes published PhD with the title: Geography of elections, Tehran University.
• Smith, B. C. (2023). Decentralization: the territorial dimension of the state. Taylor & Francis.
• Taylor, P. J. (2017). A materialist framework for political geography. In Politics (pp. 23-42). Routledge.
• Ye, X., Zhao, B., Nguyen, T. H., & Wang, S. (2020). Social media and social awareness. Manual of digital earth, 425-440.
• Zerdoumi, S., Hashem, I. A. T., & Jhanjhi, N. Z. (2022). A new spatial spherical pattern model into interactive cartography pattern: multi-dimensional data via geostrategic cluster. Multimedia tools and applications, 81(16), 22903-22952.