خلاصه

آموزش بهتر مهارت‌های فضایی مدیران زیرساخت سبز به برنامه‌ریزی بهتر در این زمینه کمک می‌کند. متخصصانی که از فناوری‌های ژئوفضایی در برنامه‌ریزی شهری پایدار استفاده می‌کنند، در برنامه درسی خود، نیازمند آموزش‌های خاص متمرکز بر کسب مهارت‌های فضایی هستند. با استفاده از نقشه ها و فناوری های ژئوفضایی، مهارت جهت گیری فضایی مورد نیاز است. در این تحقیق کارگاه آموزشی مبتنی بر زیرساخت سبز انجام شده است. یک استراتژی آموزشی خاص برای بهبود مهارت جهت گیری فضایی انجام شده است. در این کارگاه از فناوری های سه بعدی نمایش گرافیکی یک محیط شهری مانند Cad Mapper، Sketch Up Make 2017 و Google Street View استفاده شد. 32 دانشجو (22 گروه درمان، 10 گروه کنترل) مهندسی زراعی شرکت کردند. تاثیر بر مهارت جهت گیری فضایی با آزمون جهت گیری فضایی چشم انداز از طریق پیش و پس آزمون اندازه گیری شد. هیچ تفاوت جنسیتی یافت نشد. گروه درمان افزایش قابل توجهی 19.27٪ در مهارت جهت گیری فضایی خود به دست آوردند. شرکت کنندگان گروه کنترل مهارت جهت گیری فضایی خود را به طور معنی داری افزایش ندادند (21/3%). راهبردهای آموزشی خاص مانند راهبردهای انجام شده در این تحقیق می تواند برای آموزش و توسعه مهارت جهت یابی فضایی مورد نیاز برای برنامه ریزی جغرافیایی در زمینه زیرساخت های سبز موثر باشد. شرکت کنندگان گروه کنترل مهارت جهت گیری فضایی خود را به طور معنی داری افزایش ندادند (21/3%). راهبردهای آموزشی خاصی مانند راهبردهای انجام شده در این تحقیق می‌تواند برای آموزش و توسعه مهارت جهت‌یابی فضایی مورد نیاز برای برنامه‌ریزی مکانی در زمینه زیرساخت‌های سبز مؤثر باشد. شرکت کنندگان گروه کنترل مهارت جهت گیری فضایی خود را به طور معنی داری افزایش ندادند (21/3%). راهبردهای آموزشی خاصی مانند راهبردهای انجام شده در این تحقیق می‌تواند برای آموزش و توسعه مهارت جهت‌یابی فضایی مورد نیاز برای برنامه‌ریزی مکانی در زمینه زیرساخت‌های سبز مؤثر باشد.

کلید واژه ها:

آموزش عالی ; زیرساخت سبز ؛ جهت گیری فضایی

1. معرفی

در قرن بیست و یکم، انسان باید از تأثیر اعمال خود بر محیط زیست کاملاً آگاه باشد. لازم است که تصمیمات ما تضمین کننده پایداری برای آینده باشد، یعنی اتخاذ الگوهایی برای توسعه پایدار، همانطور که قبلاً از سال 1987 در تعریف پایداری بیان شده است: «برآوردن نیازهای حال بدون به خطر انداختن توانایی نسل های آینده برای برآورده کردن آنها. نیازهای خود» [ 1 ] (ص 24).
چالش‌های ناشی از برنامه‌ریزی شهری پایدار اکنون به لطف پیشرفت‌های فناوری ژئوفضایی [ 2 ] به طور مؤثرتری کنترل می‌شوند. رشته های ژئوفضایی مرتبط با نمایش سطح زمین به طور فزاینده ای بر جنبه های مربوط به پایداری تمرکز می کنند [ 3 ]. در زمینه تحلیل ژئوفضایی در برنامه ریزی شهری پایدار، رشته های مختلفی مانند جغرافیا، مهندسی و معماری و سایر رشته ها در مورد نقشه ها، نقشه ها و اطلاعات ژئوفضایی تصمیم گیری می کنند. یک مهارت فضایی حرفه ای که مستقیماً با استفاده از نقشه ها و اطلاعات جغرافیایی مرتبط است، مهارت جهت گیری فضایی است که به عنوان “توانایی جهت گیری فیزیکی یا ذهنی خود در فضا” تعریف می شود [ 4 ].] (ص 71). نویسندگان دیگر آن را به عنوان توانایی تصور اینکه یک صحنه از منظرهای مختلف چگونه به نظر می رسد [ 5 ] یا توانایی درک محرک های بصری از منظرهای فضایی متعدد [ 6 ] تعریف می کنند. این محرک های بصری در محیط های شهری می توانند نقاط منفرد (نقاط برجسته) باشند که به ما در جهت یابی کمک می کنند.
متخصصانی که از فناوری‌های ژئوفضایی در برنامه‌ریزی شهری پایدار استفاده خواهند کرد، نیازمند آموزش‌های ویژه‌ای با محوریت کسب مهارت‌های حرفه‌ای مرتبط با جهت‌گیری فضایی هستند، بنابراین لازم است در زمینه‌های آموزشی به جهت‌گیری فضایی توجه ویژه ای شود. محققان در زمینه های ریاضیات و جغرافیا و رشته های جغرافیایی گنجاندن توسعه جهت گیری فضایی در محیط های آموزشی را توصیه می کنند [ 7 ، 8 ، 9 ]. در این راستا، گزارش “یادگیری به تفکر فضایی” شورای ملی تحقیقات [NRC] [ 10 ] قبلاً اهمیت مهارت جهت گیری فضایی را در محیط های آموزشی بیان کرده است.
آموزش عالی یک محیط ایده آل برای ارائه مهارت های فضایی در چارچوب توسعه پایدار است [ 11 ، 12 ]. با توجه به انجمن پیشرفت پایداری در آموزش عالی (AASHE) [ 13 ]، محتوای دانشگاهی و برنامه های مرتبط با برنامه ریزی شهری پایدار در حال افزایش است، اگرچه برنامه های خاصی برای توسعه مهارت جهت گیری فضایی وجود ندارد.
نمونه ای از یک استراتژی تدریس در آموزش عالی برای توسعه مهارت جهت گیری فضایی در زمینه برنامه ریزی زیرساخت سبز در یک شهر در پژوهش حاضر نشان داده شده است. سی و دو دانشجوی مهندسی زراعی در کارگاهی شرکت کردند که در آن با استفاده از برنامه‌های Cad Mapper، Sketch Up Make 2017 و Google Street View با فناوری‌های ژئوفضایی در محیط 3D CAD کار کردند. این ابزارها امکان انجام برنامه ریزی جغرافیایی و مطالعات زیرساخت سبز را به روش های جدید فراهم می کند [ 14]. علاوه بر این، این اپلیکیشن ها رایگان هستند و روی سیستم عامل های Windows و MacOs کار می کنند که برای استفاده در محیط های آموزشی مزیت بزرگی است. در این کارگاه، شرکت کنندگان با نمایش های سه بعدی از یک محیط شهری به منظور نمایش گرافیکی زیرساخت سبز (باغ عمودی)، انجام وظایف مربوط به مهارت جهت گیری فضایی کار کردند.
پژوهشگران متعددی از مدت‌ها پیش بر در نظر گرفتن جنبه‌های زیست‌محیطی زندگی شهری تأکید کرده‌اند، که شهرها را به عنوان محیط‌هایی برای مطالعه با رویکرد شهرسازی پایدار می‌سازد [ 15 ، 16 ، 17 ]. از این نظر، پژوهش حاضر باغ عمودی را به عنوان نمونه ای از اقدام طراحی شهری حساس به آب (WSUD) در نظر گرفته است. باغ عمودی نوعی زیرساخت سبز است که تزولاس و همکاران [ 18 ] آن را به عنوان امکانات سبز در مقیاس کوچک طبقه بندی می کنند تا با ایجاد یک تغییر زیبایی شناختی، محیط شهری را بهبود بخشند. علاوه بر این، این نوع اقدامات، در چارچوب آنچه بسیاری از نویسندگان [ 19 ، 20 ، 21] سیستم های سبزسازی عمودی را نامیده، زمینه های تحقیقاتی جدیدی مانند تنظیم حرارتی ساختمان ها [ 22 ] تنظیم ریزاقلیم، بهبود کیفیت هوا و مدیریت آب طوفان را باز می کند [ 23 ]]. اگرچه در پژوهش حاضر هیچ گونه جنبه فنی- سازنده باغ های عمودی توسعه نیافته است. هدف پژوهش حاضر، تحلیل تأثیر بر مهارت جهت‌یابی فضایی کارگاهی بود که در چارچوب اقدام توسعه شهری پایدار (باغ عمودی) انجام شد. در این کارگاه، شرکت کنندگان یک سری تمرینات را انجام دادند که برای آنها لازم است از مهارت جهت گیری فضایی استفاده شود. برای اندازه‌گیری تأثیر فعالیت‌های کارگاه بر مهارت جهت‌گیری فضایی شرکت‌کنندگان، آنها قبل و بعد از کارگاه، آزمون جهت‌گیری فضایی (PTSOT) را انجام دادند [ 5 ، 24 ]. بنابراین، فرضیه کار این بود:
آیا یک استراتژی آموزشی خاص زیرساخت سبز می تواند مهارت جهت گیری فضایی را افزایش دهد؟
نویسندگان متعددی تأیید می‌کنند که فناوری‌های سه بعدی ابزار قدرتمندی هستند که برنامه‌ریزی فضایی را آسان‌تر و قابل درک‌تر می‌کنند [ 25 ، 26 ، 27 ]. در تحقیق حاضر از نمونه باغ‌های عمودی به‌عنوان زیرساخت سبز استفاده شده است، زیرا با توجه به ویژگی‌های موقعیت مکانی آن نیازمند محیط بازنمایی سه‌بعدی است.
دو تحقیق اخیر وجود دارد که دانشجویان مهندسی نیز در آن شرکت کرده اند و از همان ابزار اندازه گیری PTSOT استفاده شده است. در این تحقیقات از یک فناوری ژئوفضایی مانند زیرساخت داده های مکانی (SDI) [ 28 ] و فناوری سه بعدی مانند واقعیت افزوده [ 29 ] استفاده شد. نتایج حاصل از این کارها می تواند به زمینه سازی داده های به دست آمده در تحقیق حاضر از نظر توسعه مهارت جهت یابی فضایی کمک کند، هرچند در این کارها هیچ گونه وظایف مرتبط با زیرساخت سبز انجام نشده است.

2. مواد و روشها

این تحقیق در چارچوب پروژه «تفکر جغرافیایی-فضایی»، یک پروژه نوآوری آموزشی معاونت آموزشی نوآوری و کیفیت دانشگاه لا لاگونا برای سال تحصیلی 2019-2019 انجام شد [ 30 ].

2.1. سخت افزار و نرم افزار

برای انجام فعالیت پیشنهادی از وب سایت Cad Mapper ( https://cadmapper.com/ )، نسخه رایگان Sketch Up Make 2017 ( https://www.sketchup.com/download/all ) و Google Street استفاده شد. مشاهده برنامه
منبع وب سایت Cad Mapper یک ابزار قدرتمند برای معماران، طراحان و برنامه ریزان شهری و غیره است. این داده ها را از منابع عمومی مانند OpenStreetMap، NASA و USGS به فایل های CAD منظم و منظم تبدیل می کند. این امکان را به کاربر می دهد تا یک مدل سه بعدی تا 1 کیلومتر مربع را به صورت رایگان و با فرمت های مختلف مانند اتوکد، راینوسر 5+، ایلاستریتور 8+ و اسکچ آپ دانلود کند.
Sketch Up Make یک نرم افزار مدل سازی سه بعدی CAD است. نرم افزار مورد نیاز برای نصب Sketch Up Make 2017: برای ویندوز به نسخه 64 بیتی ویندوز نیاز بود. علاوه بر این، ویندوز 8.1 (یا بالاتر) باید از طریق Windows Update به روز می شد. اتصال به اینترنت هم برای ویندوز و هم برای مک ضروری بود.
Google Street View یک ویژگی Google Maps و Google Earth است که پانورامای سطح خیابان (360 درجه حرکت افقی و 290 درجه حرکت عمودی) را ارائه می‌کند و به کاربران امکان می‌دهد قسمت‌هایی از شهرهای انتخاب شده و مناطق شهری اطراف خود را مشاهده کنند. هیچ نیاز سخت افزاری خاصی ندارد. فقط اتصال به اینترنت لازم است.
در دسترس بودن ارائه شده توسط Sketch Up Make و Cad Mapper و برنامه Google Street View برای کار در Windows و/یا MacOs به طور مترادف به معنی مزیت بزرگی در برنامه ریزی فعالیت های آموزشی است. دانشجویان می توانند از دستگاه های خود استفاده کنند، روندی که در گزارش افق کنسرسیوم رسانه های جدید آموزش عالی [ 31 ] گنجانده شده است. در صورتی که دانش‌آموزی رایانه‌ای داشت که حداقل شرایط سخت‌افزاری را نداشت، معلم لپ‌تاپ‌هایی داشت که می‌توانست با آن فعالیت را انجام دهد.

2.2. آزمون جهت گیری فضایی پرسپکتیو

آزمون جهت گیری فضایی پرسپکتیو (PTSOT) [ 5 ، 24 ، 32]، معیاری برای عملکرد جهت گیری فضایی است. در این آزمون، شرکت کنندگان آرایه ای از اشیاء را به همراه دایره پاسخ می بینند. در هر آزمایش، از شرکت‌کنندگان خواسته می‌شود تصور کنند که روی یک شی در آرایه ایستاده‌اند، روبه‌روی شیء دوم، و سپس به سومی اشاره کنند. شرکت کنندگان با کشیدن خطی بر روی دایره پاسخ “نشان می دهند” که جهت سومین جسم را از وضعیت ایستاده و جهت رو به رو نشان می دهد. در پژوهش حاضر، آزمون به صورت کاغذی انجام شد و دانش آموزان پاسخ خود را ترسیم کردند. با پیروی از دستورالعمل های آزمون، در طول آزمون، دانش آموزان نمی توانند کاغذ را بچرخانند. معیار عملکرد خطای زاویه ای است (تفاوت بین زاویه تخمینی شرکت کننده و زاویه صحیحی که توسط سه شیء در آزمایش ایجاد شده است)، بنابراین امتیازات پایین تر در PTSOT نشان دهنده عملکرد بهتر است. اگر شرکت‌کننده‌ای به هیچ هدفی اشاره نکرده باشد، امتیاز 90 درجه برای آن آزمایش تعیین می‌شود. این آزمون از 12 ماده تشکیل شده است و محدودیت زمانی استاندارد آن پنج دقیقه است. نمونه ای از یک مورد از PTSOT در نشان داده شده استشکل 1 . آزمون PTSOT (نسخه کاغذی) و دستورالعمل ها در https://www.silc.northwestern.edu/object-perspective-spatial-orientation-test/ موجود است.

2.3. شركت كنندگان

32 دانشجوی سال دوم مهندسی زراعی در این کارگاه شرکت کردند. مهندسی زراعی یک تخصص مهندسی با صلاحیت های حرفه ای در زمینه زیرساخت های سبز است. بیست و دو نفر به گروه درمان (10 زن، 12 مرد)، سن 19 تا 30 سال، (M = 21.50؛ SD = 2.94) و ده نفر متعلق به گروه کنترل (5 زن، 5 مرد)، سن 19-27 سال بودند. M = 21.90؛ SD = 2.96). آزمون t Student نشان داد که هر دو گروه از نظر میانگین سنی معادل هستند (t 30 = 3.56؛ p = 0.724) و آزمون مستقل کای دو نشان داد که توزیع های جنسیتی در هر دو گروه برابر است (χ2 1 = 0.57؛ p .= 0.811). کسانی که در گروه درمان بودند تمامی فعالیت های کارگاه را انجام دادند. افراد گروه کنترل فقط پیش و پس آزمون را همزمان با گروه درمان انجام دادند. هیچ یک از فعالیت های کارگاه را انجام ندادند. این پژوهش دارای طرح شبه آزمایشی پیش آزمون- پس آزمون بود. همه دانش آموزان داوطلبانه در کارگاه شرکت کردند و در هر زمان آزاد بودند که آنجا را ترک کنند. هیچ کدام تجربه قبلی در استفاده از مدل سازی سه بعدی و ابزارهای تجسم سه بعدی نداشتند. هیچ یک از دانش آموزان قبل از پیش آزمون آزمون PTSOT را نگرفته بودند.

2.4. روش

دانشجو باید در یک محیط شهری کار می کرد که در آن ساختمان هایی با ویژگی های مختلف مانند ارتفاعات، جهت گیری ها، شکل نماها و غیره متفاوت بود. در مورد مطالعه حاضر، ما با خیابان ترینیداد واقع در شهر لا لاگونا، تنریف، اسپانیا. در مرکز این خیابان یک تراموا وجود دارد که مسیرهای آن در یک چمن تعبیه شده است. این چمن، با مسیرهای تراموا، در امتداد خیابان ترینیداد قرار دارد ( شکل 2 را ببینید). این فعالیت به دنبال هماهنگی بصری برخی از نماهای این خیابان با باغی بود که در تمام طول آن امتداد دارد. در نمای برخی از این ساختمان های خیابان ترینیداد نقاشی های دیواری بزرگ (کل نمای نقاشی شده) وجود داشت. رویه به این صورت بود که در دو مورد از این نماها با نقاشی دیواری بزرگ، دانش‌آموزان باغ‌های عمودی را جایگزین نقاشی‌های دیواری کردند و 3 نما از نقاط مختلف (جلو، چپ و راست) ارائه کردند تا تأثیر بصری-منظره را بررسی کنند.

2.4.1. فاز 0

شرکت کنندگان پیش آزمون آزمون چشم انداز- جهت گیری فضایی را انجام دادند. سپس اپلیکیشن Sketch Up Make را روی لپ تاپ خود نصب کردند و بررسی کردند که درست کار می کند. در این مرحله، شرکت کنندگان در مورد دستورات اصلی Sketch Up، با تمرکز بر موارد ضروری برای انجام تمرین، آموزش دیدند.
2.4.2. فاز 1
شرکت‌کنندگان باید در محدوده‌ای که معلم تعریف می‌کند، دو نما را انتخاب می‌کردند که در آن نقاشی‌های دیواری بزرگ (کل نمای نقاشی شده) وجود داشت و هر کدام جهت‌گیری متفاوتی داشتند. یعنی مثلاً یک نما با جهت شمال و دیگری با جهت شرق. دو نما انتخاب شده اجازه نداشتند جهت گیری یکسانی داشته باشند. برای انتخاب دو نما، دانشجویان از اپلیکیشن Google Street View استفاده کردند. آنها به طور مجازی منطقه کار را گشتند و توانستند نماهای ساختمان ها را در محیط واقعی خود تجسم کنند و آنهایی را که در تمام امتداد آنها نقاشی های دیواری وجود دارد را بیابند ( شکل 2).). این نماها باید بعداً (فاز 2) در یک نمایش سه بعدی شهر ارائه شده توسط Cad Mapper قرار بگیرند، که برای آن از مهارت جهت گیری ویژه خود استفاده می کنند.
2.4.3. فاز 2
دانش آموزان از طریق وب سایت Cad Mapper فایل کارتوگرافی سه بعدی را با فرمت Sketch Up دانلود کردند که نه تنها شامل مدل دیجیتالی زمین، بلکه حجم (ارتفاع ساختمان) ساختمان ها می باشد. سپس این فایل را با برنامه Sketch Up Make باز کردند ( شکل 3 ).
2.4.4. فاز 3
Sketch Up به کاربر امکان ویرایش نماهای ساختمان ها را می دهد. در این مرحله شرکت کنندگان شروع به کار با فایل Sketch Up کردند. ابتدا دانش آموزان نماهای انتخاب شده در مرحله قبل را شناسایی کردند. در دو نمای منتخب، شرکت کنندگان باید دیوارنگاره را با یک باغ عمودی جایگزین می کردند. برای این منظور معلم پوشه ای با بافت های مختلف باغ در اختیار دانش آموزان قرار داد. این پوشه در پردیس مجازی بود که دانشجویان به آن دسترسی دارند. از طریق ابزار “واردات” Sketch Up، دانش‌آموزان هر یک از دو نما را انتخاب کردند و بافتی را که تصویر را با اندازه هر نما تطبیق داد، ترکیب کردند. بنابراین، آنها نقاشی دیواری را با یک باغ عمودی جایگزین کردند.
2.4.5. فاز 4
تمرین های 1 تا 6. در این مرحله دانش آموزان باید 3 دیدگاه متفاوت از دو نما جدید (نما 1 و نما 2) ارائه می کردند تا تأثیر بصری- منظر نما را با تزئینات جدید تجزیه و تحلیل کنند. بنابراین تمرین 1 کارگاه نمای اول نما 1 بود. تمرین 2 نمای 2 نمای 1 بود و به همین ترتیب تا تمرین 6 که نمای سوم نمای 2 بود.
برای ارائه تصاویری که امکان دید واقعی تری از اثر را فراهم می کند، لازم است که این نماها نمای جدید و محیط واقعی آن را نشان دهند. در فایل Cad Mapper که دانش‌آموزان در آن کار می‌کردند، تمام نماها با چهره‌های صاف، به رنگ خاکستری/سفید، یعنی نمایشی شماتیک از نما ظاهر می‌شوند (به عنوان مثال، شکل 3 ). به منظور ارائه نمایی واقعی تر از نمای جدید و محیط اطراف آن، لازم است آن نماهای خاکستری/سفید را با ظاهر واقعی خود جایگزین کرد. معلم پوشه ای را در پردیس مجازی که دانش آموزان به آن دسترسی دارند با تصاویر واقعی تمام نماهای خیابان ترینیداد در اختیار دانش آموزان قرار داد. شکل 4نمونه ای از نماهای نشان داده شده با Cad Mapper و تصویر مربوط به آن در واقعیت را نشان می دهد. به همان ترتیبی که برای گنجاندن بافت باغ پیش رفت، شرکت کنندگان هر یک از نماهای مجاور را با باغ عمودی جدید تطبیق دادند.
هنگامی که بافت های 2 باغ عمودی و تصاویر واقعی نماهای مجاور اضافه شد، زمانی است که دانش آموزان 3 نمای مختلف را به دست آوردند تا تأثیر بصری تزئینات جدید را در سطح خیابان بررسی کنند. برای این منظور باید از نوار ابزار Sketch Up Camera استفاده کرد که گزینه هایی برای چرخش، حرکت و زوم روی دوربین در اختیار شما قرار می دهد. همچنین شامل سه گزینه است که به کاربر اجازه می دهد دوربین را در یک نقطه معین در یک ارتفاع مشخص تنظیم کند، دوربین را حرکت دهد و آن را در اطراف صحنه حرکت دهد.
با این سه گزینه آخر، دوربین می‌تواند در جایی که کاربر انتخاب می‌کند قرار گیرد و در نتیجه نمای باغچه‌های عمودی را ارائه دهد و از منظرها و ارتفاعات مختلف جلو، چپ و راست، محیطی سه‌بعدی داشته باشد. شرکت کنندگان باید 6 اسکرین شات را در محوطه مجازی ارسال می کردند. یعنی 3 اسکرین شات در هر نما از نمای جلو، چپ و راست. نام این 6 فایل برای هر شرکت کننده باید به ترتیب فایل 1، 2، 3، 4، 5 و 6 باشد.
2.4.6. فاز 5
این شامل حل 4 تمرین (تمرین 7، 8، 9 و 10) با فعال کردن کادر محاوره ای “Shadow Settings” Sketch Up Make است. این کادر محاوره ای امکان نمایش سایه ها را ارائه می دهد. کاربر می تواند توابع طرح سایه Sketch Up Make را از جمله پارامترهایی مانند تاریخ و زمان کنترل کند. گزینه Date به کاربر اجازه می دهد روزی از سال را که Sketch Up Make هنگام ایجاد سایه ها برای تعیین موقعیت خورشید استفاده می کند، تنظیم کند. گزینه زمان به کاربر اجازه می دهد تا زمانی از روز را که Sketch Up Make هنگام ایجاد سایه ها برای تعیین موقعیت خورشید استفاده می کند، تنظیم کند. در پایان تمرینات 7، 8، 9 و 10 شرکت کنندگان در پس آزمون آزمون چشم انداز- جهت گیری فضایی شرکت کردند.
  • تمرین 7
شرکت کنندگان باید جهت خیابان ترینیداد را مشخص کنند: آنها باید بین دو گزینه انتخاب کنند: جهت شمال-جنوب یا جهت شرق-غرب. برای این کار از دانش آموز خواسته شد که سایه ها را در بعدازظهر 21 ژوئن، زمان غروب خورشید در آن تاریخ فعال کند و بسته به سایه ها پاسخ دهد. در برنامه ریزی کارگاهی، این خیابان به دلیل جهت گیری شمال-جنوب انتخاب شد. به این ترتیب می توان پرسشی دوگانه (شمال-جنوب یا شرق-غرب؟) با نتیجه ای بدون ابهام مطرح کرد. شرکت کنندگان باید فایلی حاوی پاسخ (شمال-جنوب یا شرق-غرب) به صورت متنی و یک اسکرین شات برای توجیه آن در پردیس مجازی ارسال می کردند. نام آن فایلی که هر شرکت کننده باید تحویل می داد باید فایل 7 باشد.
  • تمرین 8 و 9
دانش آموزان باید جهت هر یک از دو نما را مشخص کنند (تمرین 8: نما 1؛ تمرین 9: نما 2) که در آن باغ های عمودی ساخته اند. در بیانیه تمرین گزارش شد که خط عمود بر نما تعیین کننده جهت است. شرکت کنندگان باید دو فایل را در پردیس مجازی ارسال می کردند. هر یک از آنها باید حاوی پاسخ در متن (جهت نما) و یک اسکرین شات باشد که آن را توجیه کند. نام آن دو فایل برای هر تمرین باید به ترتیب فایل 8 و 9 باشد.
  • تمرین 10
از دانش آموزان خواسته شد تا به طور منطقی توجیه کنند که کدام یک از دو نما که باغ عمودی را روی آن طراحی کرده اند، در طول روز ساعات بیشتری از خورشید را دریافت می کند. برای این کار، دانش‌آموزان باید پاسخ خود را با اسکرین شات‌هایی از دو نما در زمان‌های مختلف روز نشان می‌دادند. هر شرکت‌کننده باید یک فایل حاوی پاسخ و همچنین اسکرین‌شات‌ها را در زمان‌های مختلف روز برای توجیه آن پاسخ در محوطه مجازی تحویل می‌داد. نام آن فایل برای هر شرکت کننده باید فایل 10 باشد.
این کارگاه در سه روز برگزار شد: روز اول برای فازهای 0 و 1، روز دوم برای فازهای 2 و 3 و در نهایت روز سوم برای فازهای 4 و 5. جدول 1 مراحل کارگاه، فعالیت های انجام شده و زمان سنجی.

3. نتایج

داده های به دست آمده مورد تجزیه و تحلیل توصیفی، ANCOVA، همبستگی پیرسون، رگرسیون خطی و تحلیل میانجی قرار گرفتند. در تمامی آزمون ها سطح معنی داری 05/0 در نظر گرفته شد. تمام تجزیه و تحلیل های آماری با استفاده از SPSS، v.21.0 [ 33 ] انجام شد.
ANCOVA اندازه‌گیری‌های مکرر (قبل و بعد) روی اندازه‌گیری‌های به‌دست‌آمده با PTSOT شامل جنسیت به عنوان عامل مستقل و سن به عنوان متغیر کمکی انجام شد. اثر چند متغیره Age قابل توجه است ( F 1,27 = 8.95، p = 0.006، η2 = 0.249)، به عنوان یک متغیر کمکی عمل می کند. یعنی نمرات قبل و بعد را می توان تا حدی با سن توضیح داد. بنابراین، مدل این اثر را خنثی می کند و ما یک تعامل معنادار بین Pre-Post و Group به دست آوردیم ( F 1,27 = 6.76، 0.015 = p ، η2= 0.200). این تفاوت بین نمرات قبل و بعد بستگی به گروه دارد: برای گروه کنترل این تفاوت معنی دار نیست ( 538/0 = p ) اما گروه درمان بهبود قابل توجهی در عملکرد خود داشته است (هر چه امتیاز بالاتر باشد، امتیاز بیشتر است. خطا) در PTSOT ( p <0.001). جنسیت تاثیر قابل توجهی ندارد. جدول 2 آمار توصیفی مربوطه را نشان می دهد.
با تمرکز بر گروه درمان ( 22= n )، به منظور توضیح روابط نمرات و میانگین امتیاز تمرینات با نمرات PTSOT، همبستگی، رگرسیون و تحلیل میانجی را انجام دادیم. جدول 3 همبستگی بین نمرات PTSOT، میانگین نمره تمام تمرینات و نمرات هر تمرین را نشان می دهد. می‌بینیم که همه همبستگی‌ها منفی هستند، و تأیید می‌کند که نمرات PTSOT بهتر (پایین‌تر) به نمرات بهتر و میانگین امتیاز تمرین‌ها مرتبط است. PTSOT-Pre همبستگی مثبت با PTSOT-post: پیش نمرات بهتر با نمرات پست بهتر همراه است ( r = 0.70؛ p <0.001).
تجزیه و تحلیل رگرسیون برای پیش‌بینی امتیاز PTSOT-post بر اساس تمام تمرین‌ها، 62.8 درصد از واریانس را به خود اختصاص می‌دهد ( R = 0.793؛ p = 0.011). همانطور که در جدول 4 نشان داده شده است، تمرین 8 و 9 بهترین پیش بینی کننده ها هستند ( به ترتیب 0.029 = p و 0.047 = p) . برای هر امتیاز بیشتر در تمرین 8 یا تمرین 9، PTSOT-post به ترتیب 5.409 و 4.285 امتیاز کاهش می یابد. لازم به یادآوری است که در PTSOT، هر چه امتیاز کمتر باشد، خطا نیز کمتر است.
در نهایت، یک تجزیه و تحلیل ساده میانجیگری [ 34 ]، نشان می دهد که رابطه بین نمره PTSOT-pre و PTSOT-post، به طور قابل توجهی توسط میانگین نمره تمام تمرین ها واسطه می شود. شکل 5 نمودار و ضرایب مربوطه را نشان می دهد. اثر کل که پیش امتیاز روی امتیاز پس از آن می گذارد ( ß = 0.544؛ p = 0.0003 ) را می توان به یک مستقیم ( ß = 0.860 ؛ 0.001 = p ) و یک اثر غیر مستقیم ( c ‘ 1 = -0.408; p = 0.001؛ a 1 = -0.845؛ p <0.001 و b 1 = 0.483؛ p= 0.105).
به این معنا که نه تنها پیش نمره عملکرد پس از درمان را تعیین می کند، بلکه عملکرد در تمرینات نیز نقش میانجی مهمی دارد.

4. بحث و نتیجه گیری

برای پروژه و طراحی زیرساخت های سبز، مهندسان شهری، معماران و برنامه ریزان از نقشه های دو بعدی و سه بعدی و همچنین برنامه ها و ابزارهایی برای نمایش توپوگرافی محیطی که در آن مهارت جهت گیری فضایی مورد نیاز است استفاده می کنند. در آموزش عالی در چارچوب برنامه ریزی شهری پایدار، راهبردهای آموزشی خاصی برای توسعه مهارت های جهت یابی فضایی ضروری است، مانند آنچه در این پژوهش انجام شده است. این دانشگاه شامل دانشجویان مهندسی کشاورزی، یک تخصص مهندسی با صلاحیت های حرفه ای در زمینه زیرساخت های سبز است. شرکت کنندگان کارگاهی را برگزار کرده اند که در آن برای اجرای طراحی یک باغ عمودی، از ابزارهای ژئو فضایی و برنامه های کاربردی CAD سه بعدی استفاده کرده اند.
در پاسخ به فرضیه کاری، راهبرد تدریس انجام شده در این تحقیق تأثیر مثبتی بر توسعه مهارت جهت‌گیری فضایی شرکت‌کنندگان داشته است که افزایش قابل‌توجهی 17.34 درجه (16.73 sd؛ 0.001 > p) را به دست آورده‌اند. مهارت جهت گیری فضایی آنها این سود، بر حسب درصد در مقیاس ابزار اندازه گیری مورد استفاده، آزمون جهت گیری فضایی چشم انداز (PTSOT)، 19.27٪ بود. هیچ تفاوت جنسیتی یافت نشد. PTSOT-Pre همبستگی مثبت با PTSOT-post داشت: پیش نمرات بهتر با نمرات پست بهتر همراه بود (r = 0.70؛ p< 0.001). یعنی دانش‌آموزانی که کارگاه را با مهارت جهت‌گیری فضایی بهتر شروع کردند (یعنی نمره پایینی در قبل از PTSOT کسب کردند) کسانی هستند که در بعد از PTSOT نیز نمرات بهتری کسب کردند. در رابطه با تمرینات، این نمرات PTSOT بهتر (پایین تر) به میانگین نمره تمرین بهتر مربوط می شود. یعنی با توجه به نتایج تجزیه و تحلیل میانجیگری انجام شده، نه تنها نمره Pre-PTSOT عملکرد پس از درمان را تعیین می کند، بلکه عملکرد در تمرینات نیز نقش میانجی مهمی را ایفا می کند. بنابراین، تمرینات پیشنهادی در کارگاه، اثربخشی خود را برای توسعه جهت گیری فضایی نشان داده است. به طور خاص، تمرینات 8 و 9 بهترین پیش بینی کننده بهبود در مهارت جهت گیری فضایی بودند. این نوع تمرینات که در آنها استفاده از جهت گیری فضایی غالب است،
نتایج گروه کنترل نیز به نوبه خود تأیید کرده است که شرکت کنندگانی که فعالیت های کارگاهی را انجام نداده اند، مهارت جهت گیری فضایی خود را افزایش نداده اند. این دانش آموزان بهبود کمتری داشتند (2.89 درجه؛ 3.21٪) و معنی دار نبود ( p = 0.538).
آثار ذکر شده در مقدمه [ 28 ، 29 ] بر اساس توسعه مهارت جهت یابی فضایی می تواند به زمینه سازی نتایج پژوهش حاضر از نظر توسعه مهارت های فضایی کمک کند. اگرچه هیچ یک از این دو کارگاه فعالیت‌های مرتبط با زیرساخت سبز را انجام ندادند، اما از همان ابزار اندازه‌گیری (آزمون جهت‌گیری فضایی چشم‌انداز) استفاده شد و دانشجویان مهندسی نیز شرکت کردند. به همین دلیل، ما درک می کنیم که این زمینه سازی جالب است، زیرا هیچ کار قبلی مرتبط با توسعه مهارت جهت گیری فضایی در زمینه زیرساخت سبز وجود ندارد.
در اولین مورد [ 28 ]، یک برنامه کاربردی جغرافیایی (Spatial Data Infrastructure، SDI) به عنوان ابزاری برای اجرای استراتژی های مختلف تدریس در طول پنج دوره دانشگاهی استفاده شد. شرکت کنندگان همچنین وظایف مربوط به جهت گیری فضایی را انجام دادند، اما به جای نمایش های سه بعدی (مانند موارد مورد استفاده در تحقیق حاضر) از نمایش های دو بعدی استفاده کردند. سود قابل توجهی از 12.90 درجه (14.33٪) تا 19.21 درجه (21.34٪) به دست آمد. SDI مجموعه‌ای از منابع (نقشه‌ها، تصاویر ماهواره‌ای، پایگاه‌های داده‌های موضوعی مرجع جغرافیایی و غیره) است که به مدیریت اطلاعات جغرافیایی اختصاص دارد. این منبع همچنین می تواند کمک بزرگی برای تحلیل ژئوفضایی در برنامه ریزی شهری پایدار باشد. نویسندگانی مانند نواک و همکاران. [ 35] نقش به اصطلاح سیستم های اطلاعات سبز (IS سبز) را به عنوان بخشی از زیرساخت های سبز و SDI برجسته کرد. زیرساخت های داده های مکانی قبلاً تأثیر مثبت خود را بر توسعه جهت گیری فضایی نشان داده است [ 28 ].
دومی آنها [ 29 ] از واقعیت افزوده (AR) استفاده کردند. مطالعه ای بر روی تفسیر منظر با استفاده از واقعیت افزوده به عنوان ابزاری برای نمایش گرافیکی سه بعدی زمین انجام شد. شناسایی مکان ها و مسیرها فعالیت های انجام شده توسط شرکت کنندگان بود. در این مورد، بهره به دست آمده در جهت گیری فضایی 20.14 درجه (22.37٪) بود. تفسیر صحیح و تجسم سه بعدی زمین برای برنامه ریزی منظر و محیطی ضروری است و واقعیت افزوده این کارها را تسهیل می کند.
در هر دو مورد [ 28 و 29 ]، نتایج به‌دست‌آمده در گروه‌های کنترل مربوطه با نتایج به‌دست‌آمده در پژوهش حاضر همخوانی دارد که با سایر مطالعات در زمینه ارتقای مهارت‌های فضایی نیز مطابقت دارد [ 36 ، 37 ، 38 ].
SDI و واقعیت افزوده قبلاً به عنوان شیوه های خوب در کلاس های درس در آموزش در اهداف توسعه پایدار استفاده شده اند [ 39 ، 40 ]. با توجه به پتانسیل SDI و واقعیت افزوده در برنامه ریزی اقدامات برای یک محیط زیست پایدار، جهت گیری آینده پژوهش می تواند مبتنی بر راهبردهای آموزشی باشد که در آن از این فناوری ها برای کسب مهارت های فضایی در چارچوب زیرساخت های سبز در شهرها استفاده شود.

منابع

  1. کمیسیون برونتلند (کمیسیون جهانی محیط زیست و توسعه). آینده مشترک ما ؛ انتشارات دانشگاه آکسفورد: آکسفورد، انگلستان، 1987. [ Google Scholar ]
  2. هوانگ، اس. قرار دادن GIS در آموزش پایداری. جی. جئوگر. بالا. آموزش. 2013 ، 37 ، 276-291. [ Google Scholar ] [ CrossRef ]
  3. یارنال، بی. نف، آر. برابری ویتر؟ نیاز به برنامه درسی جامع در جغرافیا. پروفسور Geogr. 2004 ، 56 ، 28-36. [ Google Scholar ]
  4. Maier, P. هندسه فضایی و توانایی فضایی: چگونه هندسه جامد را جامد کنیم. در مجموعه مقالات همایش سالانه تعلیمی ریاضیات ; Osnabrück, E., Cohors-Fresenborg, K., Reiss, G., Toener, G., Weigand, H., Eds. Gessellschaft fur Didaktik der Mathematik (GDM): Osnabruck، آلمان، 1998; صص 63-75. [ Google Scholar ]
  5. هگارتی، م. والر، دی. تفکیک بین چرخش ذهنی و توانایی های فضایی چشم انداز. Intelligence 2004 , 32 , 175-191. [ Google Scholar ] [ CrossRef ]
  6. مک گی، ام جی توانایی های فضایی انسان: مطالعات روان سنجی و تأثیرات محیطی، ژنتیکی، هورمونی و عصبی. روانی گاو نر 1979 ، 86 ، 889-918. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  7. Presmeg، NC تحقیق در مورد تجسم در یادگیری و آموزش ریاضیات: ظهور از روانشناسی. در کتاب راهنمای تحقیق روانشناسی آموزش ریاضی ; Gutiérrez, A., Boero, P., Eds. Sense Publishers: Dordrecht, The Netherlands, 2006. [ Google Scholar ]
  8. جو، آی. هنگ، جی. ورما، ک. تسهیل تفکر فضایی در جغرافیای جهان با استفاده از GIS مبتنی بر وب. جی. جئوگر. بالا. آموزش. 2016 ، 40 ، 442-459. [ Google Scholar ] [ CrossRef ]
  9. ایشیکاوا، تی. ناوبری ماهواره ای و آگاهی ژئوفضایی: اثرات بلندمدت استفاده از ابزارهای ناوبری بر مسیریابی و جهت گیری فضایی. پروفسور Geogr. 2019 ، 71 ، 197-209. [ Google Scholar ] [ CrossRef ]
  10. شورای تحقیقات ملی. یادگیری فضایی اندیشیدن ؛ انتشارات آکادمی ملی: واشنگتن، دی سی، ایالات متحده آمریکا، 2006. [ Google Scholar ]
  11. Cortese، AD نقش حیاتی آموزش عالی در ایجاد آینده ای پایدار. طرح. بالا. آموزش. 2003 ، 31 ، 15-22. [ Google Scholar ]
  12. Orr, DW Earth in Mind: On Education, Environment, and Human Prospect , 10th Anniversary ed.; مطبوعات جزیره: واشنگتن، دی سی، ایالات متحده آمریکا، 2004. [ Google Scholar ]
  13. انجمن پیشبرد پایداری در آموزش عالی (AASHE). برنامه های مدرک تحصیلی متمرکز بر پایداری. 2012. در دسترس آنلاین: https://www.aashe.org/resources/academic-programs (در 1 فوریه 2020 قابل دسترسی است).
  14. بنتون-شورت، ال. کیلی، ام. رولند، جی. زیرساخت سبز، فضای سبز و شهرسازی پایدار: نقش مهم جغرافیا. جئوگر شهری. 2019 ، 40 ، 330-351. [ Google Scholar ] [ CrossRef ]
  15. بنتون-شورت، ال. کوتاه، JR. John, R. Cities and Nature , 2nd ed.; Routledge: نیویورک، نیویورک، ایالات متحده آمریکا، 2013. [ Google Scholar ]
  16. Cronon، W. کلان شهر طبیعت: شیکاگو و غرب بزرگ . نورتون: نیویورک، نیویورک، ایالات متحده آمریکا، 1991. [ Google Scholar ]
  17. پلات، RH احیای شهرهای آمریکا: مبارزه برای مردم، مکان و طبیعت از سال 1900 . انتشارات دانشگاه ماساچوست: Amherst، MA، ایالات متحده آمریکا، 2014. [ Google Scholar ]
  18. تزولاس، ک. کورپلا، ک. ون، اس. یلی پلکونن، وی. Kazmierczak، A. نیملا، جی. جیمز، پی. ارتقای اکوسیستم و سلامت انسان در مناطق شهری با استفاده از زیرساخت سبز: بررسی ادبیات. Landsc. طرح شهری. 2007 ، 81 ، 167-178. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. چاروئنکیت، اس. Yiemwattana، S. دیوارهای زنده و سهم آنها در بهبود آسایش حرارتی و کاهش انتشار کربن: یک بررسی. ساختن. محیط زیست 2016 ، 105 ، 82-94. [ Google Scholar ] [ CrossRef ]
  20. رزاق منش، م. رزاق منش، م. بررسی عملکرد حرارتی یک دیوار زنده در اقلیم خشک استرالیا. محیط زیست را بسازید. 2016 ، 112 ، 82-94. [ Google Scholar ] [ CrossRef ]
  21. شوکا، س. Magdy, N. دیوارهای زنده به عنوان رویکردی برای یک محیط شهری سالم. Energy Procedia 2011 ، 6 ، 592-599. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. مدل، ا. استانگل، آر. فلورینث، اف. سیستم های سبز عمودی – مروری بر فناوری های اخیر و پیشرفت های تحقیقاتی. ساختن. محیط زیست 2017 ، 125 ، 227-239. [ Google Scholar ] [ CrossRef ]
  23. بولوند، پ. Hunhammar، S. خدمات اکوسیستم در مناطق شهری. Ecol. اقتصاد 1999 ، 29 ، 293-301. [ Google Scholar ] [ CrossRef ]
  24. کوژونیکوف، م. Hegarty، M. تفکیک بین دستکاری شی، توانایی فضایی و توانایی جهت گیری فضایی. مم شناخت. 2001 ، 29 ، 745-756. [ Google Scholar ] [ CrossRef ]
  25. بیدا، ا. بیدلوز، جی. پرزیچ، پ. پوکانسکا، ک. Wójciak، E. فن آوری های سه بعدی به عنوان آینده برنامه ریزی فضایی: نمونه کراکوف. Geomat. محیط زیست مهندس 2020 ، 14 ، 15. [ Google Scholar ] [ CrossRef ]
  26. Pe it, CJ; کارترایت، دبلیو. بری، ام. تجسم جغرافیایی: ابزار پشتیبانی برنامه ریزی مشارکتی برای تصور آینده منظر. Appl. GIS 2006 ، 2 ، 22.1-22.16. [ Google Scholar ]
  27. باتی، م. چپمن، دی. ایوانز، اس. هاکلی، م. کوپرز، اس. شیود، ن. اسمیت، ا. تورنس، نخست وزیر تجسم شهر: ارتباط طراحی شهری با برنامه ریزان و تصمیم گیرندگان ؛ مرکز تحلیل فضایی پیشرفته: لندن، بریتانیا، 2000. [ Google Scholar ]
  28. Carbonell-Carrera، C.; Hess Medler، S. بهبود مهارت جهت گیری فضایی با کاربردهای جغرافیایی فضایی: گزارش یک مطالعه چند ساله. ISPRS Int. J. Geo Inf. 2017 ، 6 ، 278. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  29. کاربونل، سی. Bermejo، LA تفسیر منظره با واقعیت افزوده و نقشه ها برای بهبود مهارت جهت گیری فضایی. جی. جئوگر. بالا. آموزش. 2017 ، 41 ، 119-133. [ Google Scholar ] [ CrossRef ]
  30. دانشگاه د لا لاگونا پروژه های نوآوری آموزشی برای سال تحصیلی 2019-2020. در دسترس آنلاین: https://www.ull.es/portal/convocatorias/convocatoria/convocatoria-de-los-proyectos-de-innovacion-educativa-para-el-curso-academico-2019-2020/ (دسترسی در 10 فوریه 2020).
  31. جانسون، ال. آدامز بکر، اس. استرادا، وی. Freeman, A. NMC Horizon Report: 2014 ; کنسرسیوم رسانه های جدید: آستین، تگزاس، ایالات متحده آمریکا، 2014. [ Google Scholar ]
  32. فریدمن، ا. کوهلر، بی. گونالپ، پی. بون، AP; هگارتی، ام. آزمون جهت گیری فضایی کامپیوتری. رفتار Res. Methods 2019 ، 51 ، 1-14. [ Google Scholar ] [ CrossRef ]
  33. جورج، دی. Mallery, M. SPSS Statistics 23 گام به گام: راهنمای ساده و مرجع . راتلج تیلور و فرانسیس: نیویورک، نیویورک، ایالات متحده آمریکا، 2016. [ Google Scholar ]
  34. هیز، AF; راک‌وود، نیوجرسی، میانجی‌گری آماری مبتنی بر رگرسیون و تحلیل تعدیل در تحقیقات بالینی: مشاهدات، توصیه‌ها و اجرا. رفتار Res. آنجا 2017 ، 98 ، 39-57. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  35. نواک، م. داویدویچ، ا. اشروبک، آر. Tuyet، MDT شناسایی عوامل تعیین کننده توسعه سیستم های اطلاعات سبز برای مناطق شهری – مطالعه موردی لهستانی. Acta Sci. پول Adm. Locorum 2020 ، 19 ، 1-15. [ Google Scholar ] [ CrossRef ]
  36. روکا-گونزالس، سی. مارتین-گوتیرز، جی. گارسیا دومینگز، ام. Mato، MC فن آوری های مجازی برای توسعه توانایی بصری- فضایی در دانشجویان مهندسی. اوراسیا جی. ریاضی. علمی تکنولوژی آموزش. 2017 ، 13 ، 441-468. [ Google Scholar ]
  37. کاربونل، سی. کسب دانش تفکر فضایی از یادگیری مبتنی بر مسیر و یادگیری پیمایشی: بهبود مهارت جهت‌یابی فضایی با منابع علم اطلاعات جغرافیایی. J. Surv. مهندس 2017 , 143 , 05016009. [ Google Scholar ] [ CrossRef ]
  38. مارتین-دورتا، ن. سائورین، جی ال. Contero، MA توسعه یک دوره اصلاحی سریع برای بهبود توانایی های فضایی در دانشجویان مهندسی. J. Eng. آموزش. 2008 ، 97 ، 505-513. [ Google Scholar ] [ CrossRef ]
  39. آلوارز-اوترو، جی. د لازارو و تورس، آموزش ML در اهداف توسعه پایدار با استفاده از زیرساخت‌های داده‌های مکانی و مدل TPACK. آموزش. علمی 2018 ، 8 ، 171. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  40. استیون، کالیفرنیا؛ مسنر، جی. Anumba، بازی واقعیت افزوده CJ در آموزش طراحی مناسب. جی آرچیت. مهندس 2016 , 22 , 04015012. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Ijgi 09 00216 g001 550
شکل 1. نمونه ای از تمرین آزمون جهت گیری فضایی پرسپکتیو (PTSOT).
Ijgi 09 00216 g002 550
شکل 2. نمونه ای از نمای خیابان گوگل از یک نما با نقاشی دیواری در خیابان ترینیداد.
Ijgi 09 00216 g003 550
شکل 3. فایل 3 بعدی از Cad Mapper از خیابان ترینیداد با Sketch Up باز شد.
Ijgi 09 00216 g004 550
شکل 4. ( الف ) نماهای نشان داده شده با Cad Mapper و ( ب ) تصویر مربوط به آن در واقعیت
Ijgi 09 00216 g005 550
شکل 5. میانجیگری میانگین امتیاز در تمرینات در رابطه بین PTSOT-Pre و PTSOT-Post.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید