تحلیلی بر ریتم های شنیداری در بازارهای شهری؛ مطالعه موردی: بازار بزرگ شهر رشت
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 57
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IUDS-3-1_004
تاریخ نمایه سازی: 17 مهر 1405
چکیده مقاله:
بازارهای سنتی به عنوان فضاهایی زنده و چندحسی، بخشی از سازمان زمانی–فضایی خود را از طریق الگوهای تکرارشونده و متغیر صداها بروز می دهند. با وجود گسترش مطالعات منظر صوتی، تحلیل نظام مند زمان مندی و ساختار ریتمیک اصوات در پیوند با چرخه های فعالیت روزمره در بازارهای تاریخی ایران همچنان مغفول مانده است. این پژوهش با تکیه بر ریتم شناسی لوفور و در چارچوب منظر صوتی، ریتم های شنیداری بازار بزرگ رشت را در چرخه روزانه تحلیل کرده و تفاوت های ساختاری آن را در صبح، ظهر و عصر نشان می دهد. پژوهش با رویکرد توصیفی–تحلیلی و از طریق پیاده روی شنیداری و ثبت میدانی در دو راسته اصلی انجام شد و داده ها با نرم افزار Sonic Visualiser بر پایه شاخص های مکمل RMS (بافت زمینه ای) و Peaks (رخدادهای برجسته) به صورت مقایسه ای تحلیل گردید. یافته ها نشان داد در صبح، بازار در وضعیت «پیش تراکم» قرار دارد و پیک های شاخص با فاصله های زمانی بیشتر و پراکندگی نسبی ظاهر می شوند. در ظهر، با افزایش تراکم فعالیت ها، توالی پیک های شاخص فشرده تر شده و ریتم بازار به سمت الگوی خطی متراکم حرکت می کند. در عصر، ساختار ریتمیک واجد تمایز فضایی شده و چگالی رخدادهای شاخص در دو راسته یکسان نیست. دستاورد پژوهش ارائه صورت بندی قابل سنجشی از «ریتم های شنیداری» به مثابه سازمان یافتگی زمان مند اصوات در تعامل ریتم های چرخه ای و خطی است که با دو نشانگر RMS و Peaks قابل استخراج و مقایسه می شود. این چارچوب می تواند ابزاری تحلیلی برای شناسایی کانون های تقویت ریتم های شنیداری و صیانت از هویت شنیداری بازارهای تاریخی در برنامه ریزی شهری فراهم کند.
کلیدواژه ها:
نویسندگان
سروش عربانی نژاد
کارشناسی ارشد برنامه ریزی شهری، گروه شهرسازی، دانشکده هنر و معماری، دانشگاه گیلان، رشت، ایران
مریم سجودی
پست دکترای شهرسازی، گروه شهرسازی، دانشکده هنر و معماری، دانشگاه گیلان، رشت، ایران
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 :