تحلیل فضایی برای شناسایی مناطق شهری با پتانسیل بالاتر برای سرمایه گذاری اجتماعی

 علاقه زیادی از سوی ابتکارات دولتی و خصوصی در شناخت موقعیت مناطق شهری با پتانسیل سرمایه گذاری در منابع اجتماعی وجود داشته است. هدف مقاله حاضر ارائه روشی برای شناسایی چنین مناطقی با استفاده از شهر Sã o Paulo (برزیل) به عنوان مطالعه موردی است. این رویکرد که توسط سیستم اطلاعات جغرافیایی (GIS) پشتیبانی می‌شود، مبتنی بر تحلیل چند معیاره و کمی‌سازی داده‌های مکانی است. نتایج، که به صورت مکانی در یک نقشه ترکیبی ارائه شده است، شناسایی مناطق سفته برای سرمایه گذاری اجتماعی در Sã را ممکن می سازد.ای پائولو این روش به ما امکان می‌دهد داده‌ها را در مقیاس‌های فضایی مختلف از پایگاه GIS تجزیه و تحلیل کنیم و سیستم‌سازی را برای یافتن مناطق با پتانسیل بالاتر برای سرمایه‌گذاری در تجهیزات، خدمات و امکانات اجتماعی امکان‌پذیر می‌سازد. علاوه بر این، امکان مدل‌سازی چندین متغیر را می‌دهد، بنابراین با مناطق جغرافیایی مختلف سازگار است.

کلید واژه ها

سرمایه گذاری اجتماعی شهری ، تحلیل چند معیاره فضایی ، سیستم اطلاعات جغرافیایی

 

1. مقدمه

در دهه های اخیر می توان شاهد تغییر چشمگیری در مدیریت شرکت ها بود. در اوایل قرن بیستم، به دلیل رقابت محدود در آن زمان، عملکرد شرکت به سمت تولید سوق داده شد. فرآیند جهانی شدن نقطه عطفی در رابطه با رفتار شرکت ها در رابطه با بازار است. ادغام بازار و کاهش موانع تجاری رقابت بین شرکت ها را در سراسر جهان افزایش داده است. برای استفاده از فرصت‌های ناشی از گسترش بازارهای بالقوه، تغییر استراتژی‌های کسب‌وکار و گنجاندن موضوعاتی مانند کیفیت، نام تجاری، خدمات مشتری، نوآوری محصول و سایر ویژگی‌های کلیدی برای شرکت‌های موفق ضروری بود [ 1 ]. جایزه نوبل اقتصاد، [ 2] تنها مسئولیت اجتماعی کسب و کار باید استفاده از منابع و مشارکت در فعالیت هایی باشد که سود آنها را تضمین کند. این بیان اندیشه ای است که در این دوره حاکم بود.

با گذشت سالها، تمرکز روزافزون درآمد و افزایش مشکلات اجتماعی بر نظر مصرف کنندگان تأثیر می گذارد. آنها سپس شروع کردند به درخواست، هر روز بیشتر، اتخاذ استانداردهای رفتار اخلاقی برای اولویت دادن به انسان، جامعه و محیط زیست. در نتیجه، شرکت ها شروع به نگرانی در مورد مشروعیت اجتماعی اقدامات خود کردند. این پارادایم جدید فعالیت تجاری عمیقاً با اصل راهنمای به اصطلاح “توسعه پایدار” مرتبط است، که پیش بینی می کند که رشد اقتصادی باید باعث پیشرفت اجتماعی و احترام به محیط زیست شود .] . در این زمینه، عملکرد مسئولیت اجتماعی شرکت ها افزایش می یابد و امروزه تعالی شرکت ها باید علاوه بر پایداری اقتصادی، اجتماعی و زیست محیطی، کیفیت روابط را نیز در بر گیرد [ 3 ].

درک توزیع فضایی داده‌ها از پدیده‌هایی که در فضا رخ می‌دهند یک چالش بزرگ برای روشن کردن مسائل محوری در چندین حوزه دانش است. فراتر از درک بصری توزیع فضایی مسائل، ترجمه الگوهای موجود به پارامترهای عینی و قابل اندازه گیری ضروری است. تأکید تحلیل‌های فضایی اندازه‌گیری ویژگی‌ها و همبستگی‌ها، با در نظر گرفتن موقعیت مکانی پدیده مورد مطالعه به روشی صریح است، زیرا فرآیندهای اقتصادی، اجتماعی و زیست‌محیطی درگیر در برنامه‌ریزی یک قلمرو مشخص، ذاتاً فضایی هستند.

فن‌آوری‌های مرتبط با سیستم‌های اطلاعات جغرافیایی (GIS) به ما امکان تولید، ذخیره، تجزیه و تحلیل و تجسم داده‌های مکانی را می‌دهند، بنابراین پتانسیل بالایی برای رسیدگی به مسائل برنامه‌ریزی و مدیریت زمین داریم. این برنامه ریزی فضایی، مانند هر مشکل دیگری مربوط به تصمیم گیری فضایی، معمولاً شامل مجموعه بزرگی از جایگزین های امکان پذیر است، علاوه بر معیارهای ارزیابی متعدد، متناقض و غیرقابل قیاس [ 4 ].

در حال حاضر، GIS به طور گسترده در سطوح اداری تقریباً مورد استفاده قرار می‌گیرد، زیرا روش‌های پردازش اطلاعات جغرافیایی برای پشتیبانی از متفاوت‌ترین وظایف برنامه‌ریزی، در مورد ارزیابی وضعیت واقعی با استفاده از ترکیبی انعطاف‌پذیر از لایه‌های داده چندگانه مناسب هستند [ 5 ]. به این ترتیب، استفاده از GIS، از آنجایی که بر اساس روش‌های کمی است، ممکن است برای هدایت سرمایه‌گذاری‌های اجتماعی در مناطق شهری سودمند باشد. نکته مهم این است که هیچ مرجعی در ادبیات در مورد یک کاربرد مشابه یافت نشده است که ویژگی بی سابقه این رویکرد را تقویت می کند.

با توجه به [ 6]، علاقه فزاینده ای از سوی جامعه تجاری برزیل به انجام سرمایه گذاری های اجتماعی افزایش یافته است، به ویژه به این دلیل که این موضوع یک نگرانی جهانی بوده است، که باعث ایجاد بحث در مورد موضوعات مرتبط با مدیریت اجتماعی، اجرای پروژه های اجتماعی و همچنین مفاهیمی مانند ” کارآفرین اخلاقی» و «مسئولیت اجتماعی». از این منظر، یک موضوع کلیدی برای تحقق سرمایه‌گذاری‌های اجتماعی توسط بخش خصوصی یا مشارکت‌های دولتی و خصوصی، درک توزیع جغرافیایی منابع و نیازهای اجتماعی است تا سرمایه‌گذاری مؤثرتر شود. بنابراین، هدف اصلی این مقاله ارائه بینشی جدید در مورد این سؤالات، با ارائه یک راه حل فضایی، مبتنی بر تحلیل چند معیاره است. روش بکار گرفته شده دو سوال اساسی را برای برنامه ریزی سرمایه گذاری اجتماعی خصوصی ایجاد می کند: الف) امکانات و خدمات عمومی شهرداری در کجا قرار دارند و با توجه به حضور دولت در منطقه چگونه می توان یک شاخص کمی تعیین کرد؟ 2) چگونه می توان تقاضای تسهیلات و خدمات را در رابطه با آسیب پذیری اجتماعی به صورت کمی در نظر گرفت؟

بنابراین، بر اساس حضور نهادهای عمومی در یک منطقه اداری خاص از شهر (منطقه، محله)، در مقابل آسیب پذیری اجتماعی آن قلمرو، ممکن است کمبود منابع اجتماعی بیشتر یا کمتر مورد ارزیابی قرار گیرد که منجر به شناسایی مناطق با بیشترین پتانسیل برای سرمایه گذاری در تجهیزات، خدمات و امکانات برای جامعه. با توجه به [ 7]، در کتابی که آثاری را در مورد «سمینار بین‌المللی سرمایه‌گذاری اجتماعی خصوصی: روش‌شناسی» گرد هم می‌آورد، انتخاب‌های روش‌شناختی ضروری هستند تا فرآیندهای ارزیابی اطلاعات مرتبط و مفیدی را در رابطه با نتایج و تأثیرات سرمایه‌گذاری اجتماعی خصوصی ایجاد کنند. علاوه بر این، انتخاب یک یا رویکرد روش‌شناختی دیگر بستگی به اهداف و مسائلی دارد که فرد می‌خواهد به آنها بپردازد.

به طور خلاصه، با هدف کمک به پیشبرد پیشنهادهای روش شناختی برای این موضوع، هدف این مطالعه توسعه روشی مبتنی بر تحلیل فضایی چند معیاره در محیط GIS، به منظور شناسایی مناطق دارای بیشترین پتانسیل برای سرمایه گذاری اجتماعی در شهر سائوپائولو (برزیل)، به ویژه به دلیل پیچیدگی بافت شهری آن.

گمانه زنی املاک و مستغلات به افزایش هزینه های مرکزی ترین مناطق شهر که زیرساخت های بهتری دارند کمک می کند و این مناطق را برای اکثریت بزرگ جمعیت غیرقابل دسترس تر می کند. علاوه بر این، با رشد شهر، مناطقی که قبلا ارزان‌تر و دسترسی آسان‌تری داشتند، گران‌تر شده‌اند، در نتیجه اکثریت قریب به اتفاق جمعیت فقیر را به جستجوی مسکن در مناطق دورتر سوق می‌دهد.

در یک بررسی کتابشناختی، آثاری در مورد آسیب‌پذیری اجتماعی و سرمایه‌گذاری اجتماعی، مانند [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] در میان دیگران پیدا کرده‌ایم. با این وجود، آنها به طور مستقل و بدون ارتباط با مؤلفه فضایی، به موضوعات می پردازند. روش شناسی اتخاذ شده در این کار پیشنهادی یکپارچه را ارائه می دهد و نقطه مقابلی را بین زیرساخت های عمومی شهر و آسیب پذیری اجتماعی جمعیت ایجاد می کند، بنابراین پدیده ها را از منظر سطوح فضایی نشان می دهد، که امکان شناسایی مناطقی را فراهم می کند که بهترین فرصت ها را نشان می دهند. برای سرمایه گذاری های اجتماعی

2. منطقه مطالعه

منطقه انتخاب شده برای استفاده از روش پیشنهادی شهر سائوپائولو – برزیل – است که یکی از بزرگترین شهرهای جهان از نظر جمعیت، شهری ترین در برزیل است. این شهر پیشرو جهانی در آمریکای جنوبی است و مرکز کلان شهر برزیل است که شامل منطقه ای است که شهرهای زیادی از جمله شهر ریودوژانیرو را در بر می گیرد. شهر سائوپائولو با داشتن زیرساخت های شهری پیچیده، مرکز مالی برزیل، محل استقرار دفتر مرکزی شرکت های چند ملیتی و همچنین بورس اصلی برزیل، Bovespa، در نظر گرفته می شود.

از عمده ترین معضلات اجتماعی شهر، تفکیک شهری به دلیل تمرکز درآمد در نواحی مرکزی شهرها و همچنین نبود سیاست های برنامه ریزی عمومی برای مدیریت پراکندگی شهر، از موضوعات مهمی است که در خور توجه است. مردم مناطق جدا شده به دلیل فواصل طولانی بین محل سکونت خود و مراکز تجاری که در آن کار می کنند، رنج می برند و اکثریت قریب به اتفاق کارگران کم دستمزد هستند. ما همچنین باید در این سناریو شرایط نامناسب حمل‌ونقل عمومی را فراتر از کمبود زیرساخت‌ها لحاظ کنیم.

3. روش ها

3.1. تعریف ماتریس داده ها

دو دسته داده به عنوان شاخص سرمایه گذاری اجتماعی در قلمرو شهری تعریف شده است. برای هر دسته، متغیرهای مختلفی انتخاب و در دو ماتریس تحلیلی مرتب شده اند تا سطوح عددی ساخته شوند:

1) داده‌هایی که آسیب‌پذیری اجتماعی را نشان می‌دهند (ماتریس 1): ما آن‌هایی را که مربوط به سکونتگاه‌های مخاطره‌آمیز در شهر هستند، انتخاب کرده‌ایم که در لایه‌های زیر سازماندهی شده‌اند: زاغه‌ها، سکونتگاه‌ها و تخصیص‌های نامنظم. در این مورد، پیشنهاد [ 13 ] برای تعریف مفهوم “آسیب پذیری اجتماعی” پذیرفته شده است، و این پارامتر را به عنوان شرایط مرتبط با ظرفیت رویارویی با موقعیت های خاص مخاطره آمیز در نظر می گیرد، بنابراین از آن به عنوان ظرفیت کمتر یا بیشتر یاد می شود. یک فرد، خانواده یا گروه های اجتماعی برای «کنترل نیروهایی که بر رفاه آنها تأثیر می گذارد، به عنوان مثال، داشتن یا کنترل دارایی هایی که منابع مورد نیاز برای استفاده از فرصت های ارائه شده توسط دولت، بازار و جامعه را تشکیل می دهند». انتخاب این عناصر شهر بر اساس [ 14] که زاغه ها را به عنوان بخشی از ساختار ثابت شهرها، نه تنها در برزیل، بلکه در سایر کشورهای حاشیه اقتصادی نیز نشان می دهد. چنین مکانهایی هنوز در حاشیه فقر و زندگی اجتماعی محدود در شهرها هستند [ 15 ]. مطالعات دیگری درباره آسیب‌پذیری اجتماعی در شهر سائوپائولو با IDLH (شاخص آسیب‌پذیری اجتماعی سائوپائولو) و IPRS (شاخص مسئولیت اجتماعی سائوپائولو) وجود دارد، اما استفاده نشد زیرا داده‌ها در محدوده بخش‌های سرشماری ناسازگار با مقیاس ما هستند. از مطالعه

2) داده های نشان دهنده زیرساخت های عمومی (ماتریس 2): مجموعه ای از داده های نهادی موجود در مورد منابع عمومی مختلف در شهر که در لایه های زیر سازماندهی شده است: مهد کودک، پیش دبستانی، واحد بهداشت پایه، دبستان، دبیرستان، آموزش حرفه ای. ، کمک های پزشکی سرپایی (AMA)، کتابخانه، آموزش جوانان و بزرگسالان (YAE)، تئاتر، منطقه مطالعه، خانه فرهنگ، موزه، مدرسه موسیقی شهرداری، باشگاه مدرسه و پارک خواندن.

3.2. شرح و بسط سطوح عددی

استانداردسازی لایه‌ها در سطوح عددی پیوسته با سازماندهی ویژگی‌های مختلف بر اساس یک مبنای مشترک، به منظور نرمال‌سازی آنها در محدوده عددی یکسان (0 – 1) انجام شد. نرمال سازی مقادیر با اعمال عبارت زیر انجام شد:

ن=ایکسمن– حداقل / حداکثر – حداقلN=xi−min/max−min

که در آن: N مقدار حاصل از نرمال سازی است. x _i مقدار ثبت شده برای یک متغیر معین است. min و max به ترتیب با کمترین و بالاترین مقادیر ثبت شده متغیر مطابقت دارند.

شکل 1 این فرآیند را با در نظر گرفتن لایه “مدارس ابتدایی، دبیرستان و فنی” به عنوان مثال نشان می دهد. در شکل 1 (الف)، نقاط نشان دهنده توزیع فضایی مدارس در شهر سائوپائولو و شکل 1 (B) در ستون “TOT”، تعداد کل کلاس های درس در هر واحد مدرسه را نشان می دهد. مقادیر ارائه شده در ستون “NORM” از نرمال سازی داده ها حاصل می شود، که تخصیص مقدار 1 را برای بزرگترین دامنه (در این مورد، خط 1، با 80 کلاس درس در مدرسه) تعیین می کند. برعکس، دامنه کوچکتر با مقدار صفر مطابقت دارد. به این ترتیب، تغییر مقادیر در محدوده 0 – 1 متناسب با تغییرات داده های اصلی است ( شکل 1).(ب)). با اعمال این استانداردسازی یکسان برای همه لایه‌ها، یک جهان یکنواخت از داده‌ها برای تجزیه و تحلیل یکپارچه، بر اساس معیارهای تحقیقاتی یکسان ایجاد می‌شود. با شروع از مقادیر نرمال شده، هر ویژگی در قلمرو سپس با یک مدل عددی، بر اساس برآوردگر چگالی هسته [ 16 ] [ 17 ] به منظور پشتیبانی از توسعه نقشه‌های سنتز نشان داده می‌شود. پارامتر فاصله تا تخمین‌گر کرنل 500 متر بود که بر اساس فاصله‌های اقلیدسی بین رویداد جغرافیایی و اطراف آن، بر اساس درک بود.

که چنین فاصله ای برای پیاده روی از خانه، به عنوان مثال، تا یک مدرسه یا واحد بهداشت پایه معقول است ( شکل 1 (C)).

3.3. نقشه جبر

بر اساس نتایج به‌دست‌آمده از تخمین‌گر کرنل، یک مجموع جبری از سطوح عددی انجام می‌شود [ 18 ]. شکل 2 روش مورد استفاده در این مورد را نشان می دهد.

3.4. جبر نقشه برای تخمین آسیب پذیری اجتماعی

مدل سنتز عددی از طریق مجموع جبری لایه‌ها از تخمین‌گر هسته، در محدوده صفر تا 1، بر اساس داده‌های ایجاد شده در ماتریس 1 (زاغه‌ها، سکونت‌گاه‌ها و تخصیص‌های نامنظم) ایجاد شد. وزن یکسان (P = 1) برای همه لایه‌ها در نظر گرفته شد و در رابطه (1) به یک درجه اهمیت داده شد، به شرح زیر، که با این فرض توجیه می‌شود که شرایط زندگی مردم در آن مناطق به حدی شدید است که در نظر گرفتن عوامل مرتبط با آسیب پذیری اجتماعی به صورت مقایسه ای بسیار دشوار خواهد بود.

پمناف= پ( صمناس) + پ( صلتی) + پ( صمنآ)PIF=P(PIS)+P(PlT)+P(PIA)(1)

جایی که: PIF = مدل سنتز عددی. P = وزن؛ PI _S = لایه استاندارد (Slums); Pl _T = لایه استاندارد (Tenements); PI _A = لایه استاندارد (Alotments).

نتیجه جبر مربوط به یک ماتریس عددی مربوط به نقشه ترکیبی آسیب پذیری اجتماعی است. در تفسیر نتایج، آنها باید مقادیر نزدیک به 1 به عنوان نشانه آسیب پذیری اجتماعی بالاتر در نظر گرفته شوند، در حالی که مقادیر نزدیک به صفر نشان دهنده آسیب پذیری اجتماعی کمتر است.

شکل 3 نتیجه جبر ماتریسی را برای آسیب پذیری اجتماعی نشان می دهد. می توان تشخیص داد که یک شیب شعاعی در افزایش آسیب پذیری اجتماعی از مرکز به سمت پیرامون وجود دارد. مرکز-غرب شهر مناطق فقر را نشان نمی دهد، از طرفی در جهت پیرامونی شهر افزایش شعاعی شاخص های آسیب پذیری اجتماعی با بحرانی ترین مناطق مشاهده می شود.

با رنگ قرمز مشخص شده است. در اصل، این مناطق متمرکز فقر، کاندیدهای آشکاری برای سرمایه گذاری اجتماعی خصوصی هستند، با این حال، ما باید این امکان را در نظر بگیریم که این مناطق قبلاً از بخش دولتی نیز سرمایه گذاری دریافت کرده اند. به این ترتیب هدف ما شناسایی مناطق بحرانی با سرمایه گذاری اندک عمومی و ایجاد نقطه مقابل آسیب پذیری اجتماعی و حضور بخش عمومی در منطقه بود.

3.5. مدلسازی ماتریس زیرساخت عمومی

با توجه به تقاضای جامعه برای هر منبع عمومی، لازم است رتبه بندی لایه ها برای حمایت از توسعه یک مدل عددی برای حضور زیرساخت های عمومی در منطقه ایجاد شود. به این ترتیب، هر لایه در نظر گرفته شده در جبر نقشه باید وزن متفاوتی از اهمیت دریافت کند. برای اجرای این مرحله، از فرآیند تحلیل سلسله مراتبی (AHP) استفاده شده است که رویه ای برای تصمیم گیری بر اساس منطق مقایسه زوجی است. در این روش، عوامل مختلفی که بر یک تصمیم خاص تأثیر می‌گذارند، دو به دو با هم مقایسه می‌شوند و معیاری از اهمیت نسبی به رابطه برقرار شده بین این عوامل، با توجه به مقیاس قضاوت کیفی نسبت داده می‌شود [ 19 ].] . بر اساس AHP، لازم است سلسله مراتبی از لایه ها برای تولید وزن ایجاد شود. شکل 4 سلسله مراتب لایه های توزیع شده را از اهمیت بالاتر به پایین نشان می دهد که برای توسعه روش اتخاذ شده است.

از طبقه بندی سلسله مراتبی و محاسبات شرح داده شده در فرآیند تحلیل سلسله مراتبی (AHP)، وزن برای هر یک از لایه ها تولید شده است ( جدول 1 ).

استفاده از AHP منجر به یک شاخص برای ارزیابی ثبات وزن های تولید شده می شود. با توجه به [ 19 ] مقدار این شاخص سازگاری (CI) باید در محدوده 0 – 1 باشد، به این معنی که قضاوت برای به دست آوردن وزن ها

به درستی ساخته شده است. از آنجایی که مقدار CI به‌دست‌آمده با استفاده از روش پیشنهادی در اینجا 0.67 بود، می‌توان چنین استنباط کرد که قضاوت‌ها نیز به روش مناسبی در مطالعه موردی حاضر انجام شده‌اند. مدل سنتز عددی زیرساخت عمومی با اعمال عبارت زیر به دست آمد:

پمناف=∑را( W* پمن)PIF=∑​(W*PI)(2)

جایی که: PIF = سنتز ماتریس نهایی. W = مقدار حاصل از کاربرد AHP. PI = مدل های عددی نرمال شده است.

این مدل از 16 متغیری که ماتریس داده های سازمانی را تشکیل می دهند به دست آمده است. نتیجه مدل عددی در شکل 5 ارائه شده است .

شکل 5 جبر ماتریسی به زیرساخت های عمومی را نشان می دهد که به طور کلی به خوبی در سراسر قلمرو شهری توزیع شده است، اما با تمرکز سرمایه گذاری در برخی از مناطق حاشیه ای شهر، با رنگ قرمز بر روی نقشه مشخص شده است.

3.6. تعریف قلمرو شهری برای فرصت های سرمایه گذاری اجتماعی

با استفاده از لایه‌های زیرساخت عمومی و آسیب‌پذیری اجتماعی که به‌عنوان مدل‌های سنتز عددی بر روی سطوح پیوسته نشان داده می‌شوند، باید تفریق این مدل‌ها انجام شود تا نقشه‌برداری مناطق با حضور کمتر زیرساخت‌های عمومی بر روی مناطق با بیشترین آسیب‌پذیری اجتماعی امکان‌پذیر شود. در قلمرو شهری ( شکل 6 (الف)).

تفسیر نتایج باید بر اساس این ایده باشد که تمام مقادیر مساوی یا بزرگتر از صفر نشان دهنده حضور بیشتر بخش دولتی در رابطه با آسیب پذیری اجتماعی است. برعکس، مقادیر منفی وضعیت معکوس را نشان می‌دهند و کسری زیرساخت عمومی را نشان می‌دهند. بنابراین، این حوزه های اخیر نشان دهنده فرصت هایی برای سرمایه گذاری اجتماعی است. از آنجایی که هدف اصلی این تحقیق نشان دادن مناطق با بیشترین پتانسیل برای سرمایه گذاری خصوصی است، انتخابی از ویژگی های با مقادیر منفی از مدل عددی نشان داده شده در شکل 6 (الف) انجام شد.

هدف این روش برجسته کردن مناطقی است که بیشترین کمبودها را دارند، زیرا آنها مناطقی هستند که در واقع امیدوارکننده ترین مناطق برای سرمایه گذاری خصوصی در سراسر قلمرو هستند. این گرادیان مقادیر منفی در نقشه شکل 6 (B) با اختصاص یک تغییر رنگ از سبز به قرمز نشان داده شده است، به طوری که رنگ سبز به منفی ترین مقادیر اشاره دارد که به طور موثر با بیشترین فرصت ها مطابقت دارد، در حالی که قرمز رنگ به مقادیر نزدیک به صفر اشاره دارد که کمترین فرصت های موثر را نشان می دهد. بنابراین، بهترین فرصت‌های واقعی برای سرمایه‌گذاری خصوصی با صراحت بیشتری برجسته می‌شوند.

4. نتیجه گیری

روش توصیف شده یک نوآوری در مورد استفاده از داده های کمی با اشاره به آسیب پذیری اجتماعی و زیرساخت های عمومی، ادغام ماتریس های داده در یک تحلیل فضایی جامع، ایجاد شده از طریق رویه های انجام شده در محیط GIS را ارائه می دهد. یکی دیگر از نتایج قابل توجه این تحقیق، تولید یک نقشه ترکیبی برای راهنمایی شرکت‌ها در مورد محروم‌ترین مناطق شهر برای دریافت سرمایه‌گذاری اجتماعی خصوصی، اجتناب از همپوشانی کاربرد منابع بود.

فراتر از آن، این روش امکان انتخاب مناطق در مقیاس‌های تحلیلی مختلف، از خیابان‌ها تا مناطق اداری را فراهم می‌آورد که کاندیداهای امیدوارکننده برای دریافت سرمایه‌گذاری‌های اجتماعی به منظور گسترش سطوح فرصت در این مناطق هستند. بر اساس واقعیت محلی، این مدل نقشه برداری از مناطق با بیشترین پتانسیل برای سرمایه گذاری در شهر سائوپائولو را با در نظر گرفتن خدمات عمومی موجود و آسیب پذیری محلی امکان پذیر می کند. از آنجایی که ممکن است متغیرهای مختلفی در فرآیند تحلیل سلسله مراتبی (AHP) و همچنین در شناسایی مناطق آسیب‌پذیر اجتماعی در نظر گرفته شود، روش توصیف شده ممکن است در مناطق جغرافیایی مختلف با استفاده از متنوع‌ترین مقیاس‌های مکانی تحلیل اعمال شود.

یک چالش برای تقویت مدل حاضر، در دسترس بودن داده‌های مکانی است، به منظور بهبود دقت روش پیشنهادی، به ویژه در مورد ویژگی‌های اجتماعی-اقتصادی جمعیت. علاوه بر این، اهمیت اساسی این است که مدیریت دولتی و بخش خصوصی اقتصاد در بحث های خود امکان استفاده از مدل های فضایی را به عنوان یارانه برای هدایت تصمیمات دارای اثرات اجتماعی و شهری معرفی کنند.

منابع

 

[ 1 ]	Teixeira، LS (2004) مسئولیت اجتماعی شرکت. مشاوره قانونگذاری کنگره ملی برزیل، برازیلیا.
[ 2 ]	فریدمن، ام (1970) مسئولیت اجتماعی کسب و کار افزایش سود آن است. مجله نیویورک تایمز، 13 سپتامبر 1970. https://www.colorado.edu/studentgroups/libertarians/issues/friedman-soc-resp- business.html
[ 3 ]	راهنمای موسسه Ethos برای سازگاری ابزارها، سائوپائولو، Ethos، 2014.
[ 4 ]	Zhang، YJ، Li، AJ و Fung، T. (2012) با استفاده از GIS و تجزیه و تحلیل تصمیم گیری چند معیاره برای حل تعارض در برنامه ریزی کاربری زمین. Procedia Environmental Sciences, 13, 2264-2273. https://doi.org/10.1016/j.proenv.2012.01.215
[ 5 ]	Lang, S. and Blaschke, T. (2009) تجزیه و تحلیل منظر با GIS. Oficina de Texto، سائوپائولو، 424 ص.
[ 6 ]	ریکو، EM (2004) مسئولیت اجتماعی شرکت و دولت: اتحاد برای توسعه پایدار. سائوپائولو در چشم انداز، 18، 73-82. https://www.scielo.br/pdf/spp/v18n4/a09v18n4.pdf
[ 7 ]	Ricomini, VV, Pinto, M. and Queiroz, E. (2013) ارائه. در: بنیاد اجتماعی ایتائو، بنیاد روبرتو مارینیو، بنیاد ماریا سسیلیا سوتو ویدیگال و حرکت، ویرایش، دومین سمینار بین المللی: ارزیابی برای سرمایه گذاری اجتماعی خصوصی: روش ها، بنیاد سانتیلانا، ریودوژانیرو. https://moderna.com.br/lumis/portal/file/fileDownload.jsp?fileId=8A8A8A824279AC F101427B602DC93A3E
[ 8 ]	کارلی، ام جی (1981) اندازه گیری اجتماعی و شاخص های اجتماعی: مسائل سیاست و نظریه. Boston, Mass., George Allen & Unwin, 1981. x, 195 p. (مجموعه تحقیقات اجتماعی معاصر، شماره 1).
[ 9 ]	مایلز، آی. (1985) شاخص های اجتماعی برای توسعه انسانی. دانشگاه سازمان ملل متحد
[ 10 ]	McEwin، M. (1995) شاخص های اجتماعی و آمار اجتماعی در استرالیا. مجله آماری کمیسیون اقتصادی سازمان ملل متحد برای اروپا، 12، 309-318.
[ 11 ]	مورل، ن.، پالیر، بی و پالم، جی. (2012) به سوی یک دولت رفاه اجتماعی سرمایه گذاری؟ ایده ها، سیاست ها و چالش ها. مطبوعات سیاست.
[ 12 ]	Bouget, D., Frazer, H., Marlier, E., Sabato, S. and Vanhercke, B. (2015) سرمایه گذاری اجتماعی در اروپا. بررسی سیاست های ملی. کمیسیون اروپا، Google Scholar بروکسل.
[ 13 ]	Kaztman, R. (2001) اغوا شده و رها شده: انزوای اجتماعی فقرای شهری. Revista de la CEPAL، سانتیاگو دو شیلی، شماره 75، 171-189.
[ 14 ]	دیویس، ام. (2006) سیاره زاغه. بویتمپو، سائوپائولو
[ 15 ]	Villaca, F. (2001) فضای درون شهری در برزیل. استودیو نوبل: FAPESP: موسسه لینکلن، سائوپائولو، 185.
[ 16 ]	Rosenblatt, M. (1956) اظهاراتی در مورد برخی تخمین ناپارامتری یک تابع چگالی. The Annals of Mathematical Statistics, 27, 832-837. https://doi.org/10.1214/aoms/1177728190
[ 17 ]	Parzen, E. (1962) در مورد تخمین تابع چگالی احتمال و حالت. Annals of Mathematical Statistics, 33, 1065-1076. https://doi.org/10.1214/aoms/1177704472
[ 18 ]	تاملینسون، RF (1990) سیستم های اطلاعات جغرافیایی – مرزی جدید. در: Peuquet, DJ and Marble, D., Eds., Introductory Readings in GIS, Taylor & Francis, London, 18-29.
[ 19 ]	ساعتی، TL (1980) فرآیند تحلیل سلسله مراتبی. مک گراو هیل، نیویورک، 287