اولویت بندی محورهای گردشگری هوشمند شهری (نمونه موردی: حوز مطالعاتی منتخب از مناطق ۱۱ و ۱۲ تهران) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مقدمه صنعت گردشگری به عنوان ستونی بنیادین در پایداری و شکوفایی شهری شناخته می شود. ظهور فناوری های نوین اطلاعات و ارتباطات مفهومی نوین با عنوان «گردشگری هوشمند» را معرفی کرده است؛ پارادایمی که با اتکا بر پیشرفت های فناورانه نظیر اینترنت اشیا، کلان داده ها و هوش مصنوعی، در پی ارتقای کیفیت تجربه گردشگری و بهینه سازی بهره وری منابع شهری است. این رویکرد، توسعه پایدار را در کانون توجه خود قرار می دهد. با این وجود، کلان شهرهای در حال توسعه، از جمله تهران، با موانع ساختاری و مدیریتی قابل توجهی دست و پنجه نرم می کنند. ناهماهنگی زیرساخت ها و فقدان سامانه های اطلاعاتی جامع، از جمله چالش های اساسی پیش روی این شهرهاست. مناطق 11 و 12 تهران، با توجه به پیشینه تاریخی غنی و جاذبه های فرهنگی منحصر به فرد خود، ظرفیت چشمگیری برای توسعه گردشگری هوشمند دارند. پیچیدگی های مرتبط با مدیریت شهری، برنامه ریزی استراتژیک و هوشمندانه را در این مناطق بیش از پیش ضروری می سازد. پژوهش حاضر، با هدف رفع کمبودهای موجود در ادبیات علمی، به شناسایی و اولویت بندی محورهای گردشگری هوشمند در محدوده مطالعاتی منتخب مناطق 11 و 12 تهران می پردازد. این مهم با به کارگیری مدل های تصمیم گیری چندمعیاره محقق خواهد شد تا مسیری شفاف برای توسعه ای پایدار و هوشمندانه در این مناطق ترسیم شود. مواد و روش ها پژوهش حاضر، با رویکردی کاربردی از منظر هدف و توصیفی تحلیلی در چارچوب روش شناسی، به شیوه ترکیبی (کمی و کیفی) به بررسی موضوع می پردازد. گردآوری داده ها از منابع گوناگونی شامل مشاهدات میدانی، توزیع پرسشنامه، و مطالعات کتابخانه ای صورت گرفته است. جامعه آماری این تحقیق را 19,953 نفر از ساکنان محله های فردوسی و انقلاب در مناطق 11 و 12 شهر تهران تشکیل می دهند. به منظور جمع آوری اطلاعات لازم، 377 پرسشنامه با استفاده از روش نمونه گیری تصادفی ساده در میان این جامعه توزیع شد. برای تجزیه و تحلیل داده ها و اولویت بندی محورهای پژوهش، از روش آنتروپی شانون برای امتیازدهی و تکنیک ARAS به عنوان یکی از مدل های تصمیم گیری چندمعیاره (MCDM) بهره گرفته شده است. شایان یادآوری است که ضریب آلفای کرونباخ برای پرسشنامه 15 گویه ای، 0/830 محاسبه شده که این رقم مؤید پایایی بالای ابزار اندازه گیری در این پژوهش است. یافته ها یافته های این پژوهش در ابعاد گوناگونی قابل تأمل است. از منظر ترکیب جمعیتی پاسخ دهندگان، 53 درصد را مردان و 47 درصد را زنان تشکیل داده اند. همچنین، بیشترین فراوانی سنی (30 درصد) به گروه 25 تا 35 سال اختصاص دارد که نشان دهنده مشارکت قابل توجه نسل جوان در این مطالعه است. در ارتباط با وضعیت فعلی گردشگری هوشمند، برخی ابعاد نظیر سامانه های حمل ونقل هوشمند، خدمات بهداشتی و درمانی هوشمند، و پورتال های آنلاین گردشگری در سطح رضایت بخشی قرار دارند. با این حال، چالش های اساسی همچنان پابرجا هستند. مشارکت محدود شهروندان در فرایندهای تصمیم گیری (58 درصد مشارکت پایین)، نقص در آموزش های مرتبط با فناوری های گردشگری، و ضعف هماهنگی بین نهادهای دولتی (39/9 درصد نارضایتی) از جمله مهم ترین موانع محسوب می شوند. اولویت بندی محورهای گردشگری هوشمند، با استفاده از مدل تصمیم گیری چندمعیاره، نتایج جالبی را به همراه داشته است. محور نوفل لوشاتو با شاخص 0/826 در جایگاه نخست قرار گرفته که نشان دهنده پتانسیل بالای آن برای توسعه هوشمند است. خیابان ولیعصر با شاخص 0/707 در رتبه دوم و خیابان فردوسی با شاخص 0/470 در جایگاه سوم قرار گرفته اند. محورهای لاله زار، جمهوری و انقلاب نیز به ترتیب در رده های بعدی قرار گرفته اند. همچنین، این پژوهش مهم ترین شاخص ها در هوشمندسازی گردشگری شهری را شناسایی کرده است. «هماهنگی بین دستگاه های دولتی» (C10) با وزن 0/086 به عنوان حیاتی ترین عامل شناخته شده است. پس از آن، «پایش کیفیت آب و هوا و مدیریت انرژی (C4)» با وزن 0/084 و «فرهنگ سازی و مشارکت شهروندان در تصمیم گیری های شهری (C3)» با وزن 0/082 از اهمیت بالایی برخوردارند. این نتایج بر لزوم یکپارچگی سیستمی، توجه به پایداری محیط زیست، و دخیل کردن شهروندان در فرایندهای برنامه ریزی و توسعه گردشگری هوشمند تأکید می کنند. نتیجه گیری این پژوهش با موفقیت به پرسش اصلی خود در خصوص اولویت بندی محورهای گردشگری هوشمند در مناطق 11 و 12 تهران پاسخ داده است. نتایج مؤید آن است که دستیابی به توسعه پایدار گردشگری هوشمند در این نواحی مستلزم اتخاذ رویکردی متوازن است؛ رویکردی که نه تنها بر پیشرفت های فناورانه متمرکز باشد، بلکه به طور هم زمان چالش های ریشه ای در ابعاد انسانی، مدیریتی و زیست محیطی را نیز مرتفع سازد. علی رغم وضعیت نسبتاً مطلوب ابعاد فناورانه، مشارکت ناکافی شهروندان، آموزش های نامناسب و عدم هماهنگی میان نهادهای دولتی، به عنوان موانع کلیدی بر سر راه تحقق هوشمندسازی جامع و پایدار شناسایی شده اند. تحلیل های صورت گرفته با استفاده از مدل های تصمیم گیری چندمعیاره به وضوح نشان می دهد محور نوفل لوشاتو بالاترین اولویت را برای سرمایه گذاری دارد و پس از آن، محورهای ولیعصر و فردوسی در رتبه های بعدی قرار می گیرند. این اولویت بندی کمی، نقشه راهی ارزشمند برای تخصیص بهینه منابع و اتخاذ تصمیمات استراتژیک در حوزه توسعه گردشگری هوشمند ارائه می دهد. این مطالعه با ارائه یک مدل روش شناختی نوین و بومی سازی شده، گامی مهم در جهت پر کردن خلأ موجود در ادبیات علمی برداشته است. از این رو، یافته ها و چارچوب پیشنهادی این پژوهش می تواند به عنوان یک الگوی کاربردی برای سایر شهرهای ایران و کشورهای در حال توسعه مورد استفاده قرار گیرد و به تسریع فرایند هوشمندسازی گردشگری در این مناطق کمک شایانی کند.Prioritization of Urban Smart Tourism Axes (Case Study: Selected Area from Districts 11 and 12 of Tehran)
Introduction The tourism industry is recognized as a fundamental pillar of urban sustainability and prosperity. The advent of new information and communication technologies (ICT) has introduced a novel concept: “smart tourism.” This paradigm, leveraging technological advancements such as the Internet of Things (IoT), big data, and artificial intelligence, seeks to enhance the quality of the tourist experience and optimize the efficiency of urban resources. This approach places sustainable development at its core. Nevertheless, developing megacities, including Tehran, grapple with significant structural and managerial obstacles. Inconsistencies in infrastructure and the absence of comprehensive information systems are among the fundamental challenges confronting these cities. Tehran’s Districts 11 and 12, given their rich historical background and unique cultural attractions, possess considerable potential for smart tourism development. The complexities of urban management in these areas underscore the increasing necessity for strategic and intelligent planning. The present study aims to address existing gaps in the academic literature by identifying and prioritizing smart tourism axes within the selected study areas of Tehran’s Districts 11 and 12. This will be achieved by applying multi-criteria decision-making models, thereby charting a clear path for sustainable and intelligent development in these regions. Materials and Methods This research adopts an applied approach in terms of its objective and a descriptive-analytical framework in its methodology, employing a mixed-methods design (quantitative and qualitative). Data collection was multifaceted, drawing from field observations, questionnaire distribution, and library research. The statistical population for this study comprises 19,953 residents from Ferdowsi and Enghelab neighborhoods in Districts 11 and 12 of Tehran. 377 questionnaires were distributed within this population using a simple random sampling method to gather the necessary information. For data analysis and prioritizing research axes, the Shannon Entropy method was utilized for scoring, and the ARAS (Additive Ratio Assessment) technique, a multi-criteria decision-making (MCDM) model, was employed. It is worth noting that the Cronbach’s Alpha coefficient for the 15-item questionnaire was calculated at 0.830, indicating a high level of reliability for the measurement instrument in this study. Findings This research offers diverse and insightful findings. Demographically, 53% of respondents were male and 47% were female. The largest age group, accounting for 30%, was 25 to 35 years old, indicating significant youth participation in this study. Regarding the current state of smart tourism, certain aspects, such as smart transportation systems, smart healthcare services, and online tourism portals, were satisfactory. However, significant challenges persist. These include limited citizen participation in decision-making processes (58% low participation), deficiencies in tourism technology training, and poor coordination among government entities (39.9% dissatisfaction). The prioritization of smart tourism axes using the multi-criteria decision-making model yielded interesting results: • Nofel Loshato Avenue ranked first with a score of 0.826, highlighting its high potential for smart development. • Valiasr Street secured the second position with a score of 0.707. • Ferdowsi Street came in third with a score of 0.470. • Lalehzar, Jomhouri, and Enghelab avenues followed in subsequent ranks. Furthermore, the study identified the most crucial indicators for urban tourism smartification: • “Coordination among government agencies” (C10) was recognized as the most vital factor with a weight of 0.086. • Following closely were “air and water quality monitoring and energy management” (C4) with a weight of 0.084, and “cultivating public awareness and citizen participation in urban decision-making” (C3) with a weight of 0.082. These findings underscore the critical need for systemic integration, a focus on environmental sustainability, and the active involvement of citizens in smart tourism planning and development processes. Conclusion This research successfully addresses its central question regarding prioritizing smart tourism axes in Tehran’s Districts 11 and 12. The findings affirm that achieving sustainable smart tourism development in these areas necessitates a balanced approach. This approach must not only focus on technological advancements but also simultaneously overcome root challenges in human, managerial, and environmental dimensions. Despite the relatively satisfactory state of technological aspects, insufficient citizen participation, inadequate training, and a lack of coordination among government entities have been identified as key obstacles to achieving comprehensive and sustainable smartification. Analyses using multi-criteria decision-making models clearly indicate that Nofel Loshato Avenue holds the highest priority for investment, followed by Valiasr and Ferdowsi avenues. This quantitative prioritization offers a valuable roadmap for the optimal allocation of resources and adopting strategic decisions in smart tourism development. By providing a novel and localized methodological model, this study has taken a significant step toward filling the existing gap in academic literature. Consequently, the findings and the proposed framework of this research can serve as a practical blueprint for other Iranian cities and developing countries, substantially accelerating the process of tourism smartification in these regions.
تبلیغات
