از خطی تا بازگشتی یک مدل آموزشی مبتنی بر هوش مصنوعی برای برنامه ریزی معماری

برنامه ریزی معماری به عنوان نخستین و تعیین کننده ترین مرحله فرایند طراحی همواره تحت سلطه الگوهای خطی و گام به گام بوده است این رویکرد خطی در مواجهه با پیچیدگی های پروژه های معاصر معماری که به طور همزمان درگیر متغیرهای زیبایی، شناختی، عملکردی زیست محیطی و اجتماعی هستند با ناتوانی در ایجاد حلقه های بازخورد پویا و یادگیری از تصمیمات بعدی مواجه است پژوهش حاضر با هدف طراحی و اعتبارسنجی یک مدل آموزشی مبتنی بر هوش مصنوعی انجام شده است که برنامه ریزی معماری را از فرایندی خطی به فرایندی بازگشتی با حلقه های بازخورد هوشمند تبدیل می کند این مطالعه با استفاده از رویکرد ترکیبی با طرح اکتشافی متوالی انجام شد در فاز کیفی از تحلیل محتوای متون تخصصی و مصاحبه های نیمه ساختار یافته با متخصصان حوزه آموزش معماری و برنامه ریزی فیزیکی استفاده گردید در فاز کمی مدل پیشنهادی در قالب یک سامانه هوشمند مبتنی بر عامل طراحی و سپس در یک کارگاه آموزشی واقعی با حضور دانشجویان معماری پیاده سازی شد. یافته ها نشان داد که مدل بازگشتی هوشمند از طریق ایجاد تناقض های سازنده، پیش بینی پیامدهای ثانویه و یادگیری از مسیر نه مقصد به طور معناداری کیفیت برنامه های معماری و تجربه یادگیری دانشجویان را ارتقا می بخشد پنج مولفه کلیدی مدل پیشنهادی عبارتند از ناپایداری ذاتی مفروضات، تناقض های سازنده، پیش بینی پیامدهای ثانویه، یادگیری از مسیر نه مقصد و خودکارآمدی بازگشتی مدل سه لایه ای مستخرج از این پژوهش کالبد ← رفتار ← معنا، چارچوبی نظری برای درک و طراحی سرزندگی در فضاهای جمعی مسکونی ارائه می دهد و نشان می دهد که طراحی موفق طراحی ای است که همزمان به چه چیزی ساخته می شود چگونه از آن استفاده می شود و چگونه تجربه می شود توجه داشته باشد این پژوهش با معرفی مفهوم «انعطاف پذیری بازگشتی» به عنوان شاخصی جدید برای سنجش کیفیت برنامه های معماری دامنه معیارهای ارزیابی را گسترش می دهد

کلیدواژه ها:

برنامه ریزی ، معماری ، مدل بازگشتی ، هوش مصنوعی ، حلقه بازخورد ، هوشمند ، آموزش طراحی ، سرزندگی فضاهای