شاخص‌های بومی سنجش شهر هوشمند در کلان‌شهرهای ایران: یک مطالعه مرور نظام‌مند و تحلیل کیفی
کلمات کلیدی:
شهر هوشمند, شاخص‌های بومی, کلان‌شهرهای ایران, حکمرانی هوشمند, زیرساخت هوشمند, پایداری شهری, سرمایه اجتماعیچکیده
هدف این پژوهش شناسایی و استخراج شاخص‌های بومی و سازگار با زمینه‌های فرهنگی، اجتماعی، نهادی و محیط‌زیستی ایران برای سنجش میزان هوشمندسازی در کلان‌شهرهای کشور است. این مطالعه یک مرور نظام‌مند با رویکرد کیفی بود که در آن ۱۳ مقاله معتبر داخلی و خارجی با استفاده از معیارهای ورود محتوایی انتخاب شد. داده‌ها از طریق تحلیل محتوای کیفی و به‌کارگیری نرم‌افزار NVivo نسخه ۱۴ مورد تحلیل قرار گرفتند. کدگذاری باز، محوری و انتخابی برای استخراج مقوله‌های اصلی و زیرمقوله‌ها انجام شد و فرایند تحلیل تا رسیدن به اشباع نظری ادامه یافت. تمامی مراحل پژوهش با بازبینی مکرر، مقایسه مستمر و کنترل اعتباری توسط پژوهشگر انجام شد. تحلیل داده‌ها منجر به شناسایی چهار مقوله اصلی شامل «حکمرانی و مدیریت هوشمند»، «زیرساخت و فناوری هوشمند»، «پایداری و محیط‌زیست هوشمند» و «سرمایه اجتماعی و کیفیت زندگی هوشمند» شد. این مقوله‌ها دربرگیرنده ۲۵ زیرمقوله و بیش از ۱۰۰ مفهوم اولیه بودند. نتایج نشان داد که شاخص‌های بومی در ایران بیش از آنکه فناورمحور باشند، تحت‌تأثیر ویژگی‌های محیطی، محدودیت‌های زیرساختی، چالش‌های حکمرانی و عوامل اجتماعی–فرهنگی هستند. اهمیت ویژه ابعادی همچون شفافیت داده، مشارکت دیجیتال، تاب‌آوری شهری، کیفیت هوا، عدالت دسترسی و سواد دیجیتال از یافته‌های کلیدی این مطالعه بود. مطالعه حاضر تأکید می‌کند که طراحی مدل ارزیابی شهر هوشمند در ایران نیازمند توجه هم‌زمان به استانداردهای جهانی و شرایط بومی کشور است. یافته‌ها نشان می‌دهند که توسعه شهری هوشمند باید بر پایه حکمرانی داده‌محور، تقویت زیرساخت، مدیریت پایدار محیط‌زیست و ارتقای سرمایه انسانی استوار باشد. چارچوب ارائه‌شده می‌تواند مبنایی برای برنامه‌ریزی، پایش و سیاست‌گذاری هوشمندسازی در کلان‌شهرهای ایران قرار گیرد.
دانلودها
مراجع
Ahern, J. (2011). From fail-safe to safe-to-fail: Sustainability and resilience in the new urban world. Landscape and Urban Planning, 100(4), 341–343.
Albino, V., Berardi, U., & Dangelico, R. M. (2015). Smart cities: Definitions, dimensions, performance, and initiatives. Journal of Urban Technology, 22(1), 3–21.
Bashshur, R., Shannon, G., & Smith, B. (2016). The empirical evidence for telemedicine interventions in chronic disease management. Telemedicine and e-Health, 20(9), 769–800.
Batty, M., Axhausen, K., Giannotti, F., Pozdnoukhov, A., & Bazzani, A. (2012). Smart cities of the future. European Physical Journal Special Topics, 214(1), 481–518.
Cocchia, A. (2014). Smart and digital city: A systematic literature review. In R. P. Dameri & C. Rosenthal-Sabroux (Eds.), Smart City (pp. 13–43). Springer.
Giffinger, R., Fertner, C., Kramar, H., & Meijers, E. (2007). Smart cities: Ranking of European medium-sized cities. Centre of Regional Science.
Hashem, I. A. T., Chang, V., Anuar, N. B., & Adewole, K. (2016). The role of big data in smart city. International Journal of Information Management, 36(5), 748–758.
ITU. (2015). Smart sustainable cities: An analysis of definitions. International Telecommunication Union.
Janssen, M., Charalabidis, Y., & Zuiderwijk, A. (2020). The future of digital government. Government Information Quarterly, 37(3), 101–118.
Meijer, A., & Bolívar, M. P. R. (2016). Governing the smart city. International Review of Administrative Sciences, 82(2), 392–406.
Shafiei, A., & Mohammadi, A. (2021). Challenges of smart city implementation in developing countries. Cities, 112, 103–118.
Silva, B. N., Khan, M., & Han, K. (2018). Towards sustainable smart cities. Sustainable Cities and Society, 38, 697–713.
UNCTAD. (2020). Digital economy report 2020: Cross-border data flows and development.
Van Deursen, A., & Helsper, E. (2015). A nuanced understanding of digital inequality. New Media & Society, 17(9), 1505–1523.
