تبیین مولفه های جلب مشارکت مردمی در توسعه شاخص های حمل و نقل پاک به روش نردبان مشارکت شری ارنشتاین

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 35

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_RECI-9-3_010

تاریخ نمایه سازی: 21 آبان 1405

چکیده مقاله:

کاهش آلودگی هوای کلان شهر تهران مستلزم توسعه ی سیستم حمل ونقل عمومی پاک و گسترش زیرساخت های مرتبط با آن است. تحقق این هدف بدون جلب مشارکت مردمی و اجرای برنامه های موثر فرهنگ سازی امکان پذیر نیست. بر این اساس، پژوهش حاضر با هدف تبیین مولفه های موثر بر استقرار حمل ونقل پاک با تاکید بر نقش مشارکت شهروندان در شهر تهران انجام شد. روش تحقیق از نوع توصیفی–پیمایشی و جامعه آماری شامل ۱۶۶ نفر از مدیران، مسئولان و کارشناسان حوزه حمل ونقل شهری تهران بود. داده ها با پرسشنامه محقق ساخته گردآوری شد که روایی محتوایی آن به تایید خبرگان رسید و پایایی آن با ضریب آلفای کرونباخ (۰٫۸) تایید شد. برای تحلیل داده ها از نرم افزارهای SPSS۲۳ و LISREL۸.۵۰ استفاده گردید. نتایج نشان داد در بعد محیط زیستی، ترکیب «مشارکت جزئی» (آگاه سازی، مشاوره، توافق) و «مشارکت کامل» (شراکت، اعطای قدرت و کنترل) موثرترین الگو است. در بعد اقتصادی، «مشارکت غیرفعال» (دگرگون سازی و مرتفع سازی) مناسب تر تشخیص داده شد و در بعد اجتماعی، مجددا ترکیب مشارکت جزئی و کامل بیشترین تاثیر را داشت. یافته ها بیانگر ضرورت اتخاذ رویکردی ترکیبی و متناسب با ماهیت هر بعد است. نوآوری پژوهش در ترکیب مدل نردبان مشارکت شری ارنشتاین با روش کمی مدل سازی معادلات ساختاری (SEM) برای سنجش نوع و سطح مشارکت موثر شهروندان در ابعاد سه گانه حمل ونقل پاک است. این رویکرد برای نخستین بار در ایران، به ویژه در تهران، به کار گرفته شده و می تواند چارچوبی علمی و کاربردی برای سیاست گذاران شهری در جهت ارتقای مشارکت شهروندان در توسعه حمل ونقل پایدار فراهم آورد.

نویسندگان

مهدی سلحشور

دانشجوی دکتری برنامه ریزی محیط زیست، گروه محیط زیست، پردیس البرز، دانشگاه تهران، تهران، ایران

محمدجواد امیری

دانشکده محیط زیست دانشگاه تهران

غلامرضا نبی بیدهندی

دانشکده محیط زیست دانشگاه تهران

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 :