بررسی ارتباط حس تعلق به مکان ساکنین و جذب گردشگران به فضاهای شهری (نمونه مورد مطالعه: خیابان امام خمینی (ره) شهر قزوین)
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,026
فایل این مقاله در 13 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AUCETSUD01_086
تاریخ نمایه سازی: 8 آذر 1394
چکیده مقاله:
گردشگری به عنوان یک صنعت درآمدزا و پاک در جهان مطرح شده و به سرعت در حال توسعه است. امروزه گردشگران، فضاهای شهری را به عنوان یکی از جاذبه های گردشگری مدنظر قرار می دهند زیرا به جز کالبد که جذابیت های خاصخود را دارد، هویتی بر هر فضا حاکم و یکی از اجزای اصلی آن، حس تعلق ساکنین در آن فضا محسوب می شود. میزان حس تعلق مکان افراد نیز تحت تأثیر معیارهایی قرار دارد که از جمله آنها می توان به مدت زمان سکونت، سرزندگی،خاطره انگیزی و... اشاره کرد. در این تحقیق توصیفی- تطبیقی سعی بر این بوده که از طریق مطالعات اسنادی، معیارهایتعیین کننده حس تعلق به مکان افراد مشخص گردد. سپس از طریق توزیع 60 پرسشنامه در بین ساکنین و کسبه خیابان امام خمینی (ره) و شهروندان قزوین به عنوان استفاده کنندگان مستقیم از فضا و با استفاده از تحلیل پرسشنامهها، میزان حس تعلق به مکان افراد مشخص شد. با توجه به این که گردشگران هنگام حضور در فضاهای شهری، بیش از هر چیزی، جریانات اجتماعی و فعالیت های افراد را مدنظر قرار می دهند می توان نتیجه گیری کرد افزایش سطح حستعلق به مکان افراد، هویت فضاهای شهری را ارزشمندتر جلوه می دهد و سبب افزایش حضور گردشگران در این فضاهای عمومی می شود. بر اساس نتایج این پژوهش، حس تعلق به مکان ساکنین خیابان امام خمینی (ره) در سطح مناسبی قرار دارد و دلیلی بر جذب و حضور فعال گردشگران در این خیابان و خردفضاهای شهری آن شده است و تنها با ارائهراهکارهایی مانند تأمین تسهیلات کافی برای حضور و اقامت گردشگران، کاهش مشکلات ترافیکی و کالبدی، بازگرداندن خاطرات جمعی ساکنین، کسبه و شهروندان از طریق فعالیت های هنری و مذهبی در این خیابان می توان به افزایش حس تعلق شهروندان، هویت حاکم بر فضا و جذب گردشگران امیدوار بود.
نویسندگان
پریسا طاهری
کارشناس ارشد طراحی شهری
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :