یاسر قلی زاده

گردشگری هوشمند یک اصطلاح جدید کاربردی است که بیانگر وابستگی روز افزون مقاصد گردشگری به اشکال جدید فناوری اطلاعات و ارتباطات است. با توجه به اهمیت موضوع، این مطالعه در صدد شناسایی عوامل مؤثر بر توسعه گردشگری هوشمند در منطقه آزاد است. پژوهش حاضر از ماهیت، توصیفی- اکتشافی بوده و جامعه آماری تحقیق را کارشناسان آشنا به موضوع توسعه گردشگری هوشمند و منطقه آزاد ارس تشکیل می دهند که به روش گلوله برفی، تعداد10 نفر از آنها به عنوان نمونه آماری تحقیق انتخاب شدند. همچنین برای تجزیه و تحلیل داده ها از مدلسازی ساختاری- تفسیری (ISM) و تحلیل MICMAC استفاده شد. نتایج تحقیق نشان داد که از بین 33 عامل شناسایی شده اولیه و نهایتاً 22 عامل نهایی؛ شش عامل بودجه، پتانسیل گردشگری منطقه، نیازسنجی گردشگران، زیرساخت های دولت الکترونیک، سیاست گذاری و برنامه ریزی، کلیدی ترین عوامل توسعه گردشگری هوشمند در منطقه آزاد ارس هستند.

مسکن به عنوان یک کالای ناهمگن، بادوام، غیر منقول، سرمایه ای و مصرفی با پیامدهای جانبی، سهم زیادی از بودجة خانوارها را به خود اختصاص می دهد و همچنین نقش زیادی در اشتغال و ارزش افزودة کشورها دارد؛ بنابراین، تعیین و برآورد قیمت مسکن برای برنامه ریزان و تصمیم گیران، از اهمیت بسیار بالایی برخوردار است. این برآورد به ویژه اگر بتواند سهم عوامل تأثیر گذار در ارزش مسکن را به خوبی منعکس کند، می تواند در سیاست گذاری های شهری و منطقه ای مورد استفاده قرار گیرد. با توجه به اهمیت مسئله، تحقیق حاضر قصد دارد تا به بررسی عوامل تأثیر گذار در تعیین قیمت مسکن و برآورد قیمت مسکن شهری در کوی ولیعصر تبریز بپردازد. اغلب از روش تابع هدانیک و شبکه های عصبی مصنوعی به عنوان روش های رگرسیون چند متغیّره به منظور برآورد قیمت مسکن استفاده می شود. برای فراهم سازی متغیّرهای اثر گذار در قیمت مسکن، از روش دلفی بهره گرفته شد. داده ها نیز از طریق پیمایش و پرسشگری جمع آوری شدند. یافته ها میزان و ضریب اهمیت هر کدام از متغیّرها را در تابع هدانیک نشان می دهد. طبق یافته ها، نتایج تابع هدانیک در مقایسه با شبکه عصبی مصنوعی از دقت کمتری در برآورد و پیش بینی قیمت مسکن برخوردار است. نتایج تحقیق نشان داد که بین متغیّرهای فضایی و قیمت مسکن در کوی ولیعصر تبریز، همبستگی وجود دارد. این همبستگی برای متغیّر فاصله از پارک، مثبت و برای متغیّرهای فاصله از مراکز خرید، حمل و نقل، خیابان اصلی و مسجد، معکوس است. همچنین، نتایج به دست آمده نشان می دهد، شبکه عصبی در صورتی که آموزش کافی ببیند، قابلیت بالایی در برآورد دقیق قیمت هر متر مربع مسکن دارد.