|
|
مدل مفهومی بسط عقلانیت اکولوژیک از طریق یادگیری اجتماعی در برنامهریزی شهرهای تابآور
|
|
|
|
|
نویسنده
|
ردایی مهجبین ,صالحی اسماعیل ,فریادی شهرزاد ,مثنوی محمدرضا ,زبردست لعبت
|
منبع
|
آموزش محيط زيست و توسعه پايدار - 1401 - دوره : 11 - شماره : 1 - صفحه:59 -77
|
چکیده
|
سکونتگاههای شهری معاصر با توسعه، دگرگونی و پیچیدگی روزافزون موجب اختلال در نظام اکولوژیک و پیوند انسان- طبیعت، بخصوص در شهرهای کویری شده و بحران قرن بیست و یکم یا کاهش تابآوری شهری را رقم زده است. بسیاری از الگوهای ارتباطی انسان -طبیعت و راهحلهای الهام گرفته از محیط طبیعی حامی اصول و مفاهیم تابآوری و پایداری است. بهمنظور کاربست ابعاد انسانی در برنامهریزی، لازم است که عقلانیت اکولوژیک یا به عبارتی ایدههای مبتنی بر شواهد، اصول و استراتژیهای پیوند انسان- طبیعت تجلییافته در شهرهای کهن، استخراج، انتقال و در ساختار و عملکرد اکوسیستم شهری بکار گرفته شود. ازاینرو، هدف مطالعه حاضر، ایجاد شهرهای تابآور از طریق عقلانیت اکولوژیک و جستار حلقه پیوندی عقلانیت اکولوژیک و تابآوری شهری است. این مطالعه یک بررسی توصیفی-تحلیلی و ابزار گردآوری اطلاعات روش کتابخانهای است. ضمن استنتاج و تطبیق مولفههای ساختاری- عملکردی فرایند یادگیری اجتماعی و عقلانیت اکولوژیک، یادگیری اجتماعی بهعنوان حلقه کاتالیزوری در بسط عقلانیت اکولوژیک و ارتقاء تابآوری استنتاج شده است و با استفاده از مدل ساختاری-تفسیری، مولفههای استراتژیک در بسط عقلانیت اکولوژیک استخراج و درنهایت مدل مفهومی بسط عقلانیت اکولوژیک در برنامهریزی شهرهای تابآور از طریق حلقه پیوندی یادگیری اجتماعی ارائه شده است. نتایج مطالعه حاکی از آن است که مولفههای قابلیت درک پیچیدگی و ظرفیت انعطافپذیری دو فاکتور استراتژیک در ابزار بسط عقلانیت اکولوژیک در جهت برنامهریزی شهرهای تابآور است و یادگیری اجتماعی بهعنوان ابزار مدیریتی سازگارانه و مشارکتی نقش قابلملاحظهای در انتقال عقلانیت اکولوژیک و ارتقاء تابآوری شهری دارد.
|
کلیدواژه
|
تابآوری، شهرهای کهن، عقلانیت اکولوژیک، یادگیری اجتماعی
|
آدرس
|
دانشگاه تهران، پردیس دانشکدههای فنی, دانشکده محیط زیست, ایران, دانشگاه تهران، پردیس دانشکدههای فنی, دانشکده محیط زیست, ایران, دانشگاه تهران، پردیس دانشکدههای فنی, دانشکده محیط زیست, ایران, دانشگاه تهران، پردیس دانشکدههای فنی, دانشکده محیط زیست, ایران, دانشگاه تهران، پردیس دانشکدههای فنی, دانشکده محیط زیست, ایران
|
پست الکترونیکی
|
lzebardast@ut.ac.ir
|
|
|
|
|
|
|
|
|
expanding ecological wisdom through social learning in planning of resilient cities
|
|
|
Authors
|
radaei mahjabin ,salehi esmaeil ,faryadi shahrzad ,masnavim mohammad reza ,zebardast lobat
|
Abstract
|
contemporary urban settlements are facing increasing development, transformation, and complexity, which has disrupted the ecological system and the human-nature bond, especially in desert cities, and has led to a crisis of the 21st century or a reduction in urban resilience. many patterns of human-nature communication and solutions inspired by the natural environment support the principles and concepts of resilience and sustainability. to apply human dimensions in planning, it is necessary to extract, transfer and use ecological wisdom, or in other words, ideas based on evidence, principles, and strategies of the human-nature bond manifested in ancient cities, in the structure and function of the urban ecosystem. therefore, the present study aims to establish a resilient city through ecological wisdom and to investigate the link between ecological wisdom and urban resilience. this paper is a descriptive-analytic study and the data collection tool is a library-documentary method. while deduction and comparison of the structural-functional components of social learning with ecological wisdom, social learning has been inferred as a catalyst ring for ecological wisdom expansion and resilience promotion. the strategic components in ecological wisdom expansion are extracted using the structural-interpretive model. finally the conceptual model of ecological wisdom expansion in the planning of urban resilience promotion through social learning links is presented. the results of the study indicate that the components of the ability to understand the complexity and capacity to create flexibility, are two strategic factors in the tools of expanding ecological wisdom for urban resilience planning.
|
|
|
|
|
|
|
|
|
|
|
|
|