بررسي رابطه ساختار مناطق مسكوني با نرخ جرايم (مطالعه موردي شهر كرج)

A Study of the Relationship between Crime Rates and Neighborhood Structural Characteristics (Case Study: Karaj)

رشد شتابان مهاجرت به شهرها و توسعه بي قاعده كلان‌شهرها، آن‌ها را به مهم‌ترين مراكز بروز ناهنجاري‌ها و جرايم مختلف اجتماعي تبديل نموده است. با توجّه به اين نكته كه مشكلات اجتماعي و محيطي توسعه شهري، مي توانند به تهديدي امنيتي براي ثبات جامعه شهري تبديل شوند، در تحقيق حاضر با استفاده از نظريه‌هاي خرده‌فرهنگي به‌عنوان چارچوب نظري تحقيق به بررسي نرخ جرايم در ارتباط با وضعيت ساختار مناطق مسكوني پرداخته‌ايم. بدين منظور با روش پيمايش اجتماعي و ابزار پرسش‌نامه داده‌هاي مورد نياز را از نمونه‌اي شامل 413 نفر از ساكنان شهر كرج جمع‌آوري و با نرم‌افزار spss تحليل نموده‌ايم. يافته‌هاي تحقيق حاكي از آن بود كه ارتباط معناداري ميان بي‌نظمي فيزيكي (48/0=r)، بي‌نظمي اجتماعي (56/0=r)، اعتماد به عملكرد پليس (19/0-=r)، پيوند همسايگي (20/0-=r) و دلبستگي به محله (15/0-=r) با نرخ جرايم در مناطق مسكوني وجود دارد. همچنين نتايج رگرسيون گام به گام نشان داد كه در مجموع متغيرهاي مستقل توانستند 38 درصد (38/0=R2) از تغييرات متغير وابسته تحقيق را تبيين نمايند.

The rapid growth of immigration to urban communities and irregular expansion of metropolitan areas have made large cities prominent hosts to social crimes and abnormalities. Since social problems and developed urban environments can threaten the security of urban communities, the present study draws on subcultural theories, as a theoretical framework, to examine the link between crime rate and structural characteristics of residential areas. Social surveys and questionnaires were used to collect required data from 413 residents of Karaj. The data were analyzed through SPSS. Our findings indicated a significant relationship between crime rate and physical disorder (r=0.48), social disorder (r=0.56), confidence in police (r=-0.19), neighborhood cohesion (r=-0.20), attachment to neighborhood (r=-0.15). In addition, stepwise regression showed that the independent variables combined can predict 38% (R2=0.38) of variations in the dependent variable.