ارزیابی مناطق مختلف شهری از منظر جرم و بزهکاری

نویسندگان

چکیده

زمینه و هدف:سازمانهای انتظامی به ویژه کلانتریها با بررسی جرم و بزهکاری هر یکاز مناطق شهری، می‌توانند برای افزایش امنیت در مناطق مختلف برنامه‌ریزی مناسبی انجام دهند و سیاست‌ها و برنامه‌های خود را پیاده‌کنند تا به‌واسطة آن، امنیت که زمینه‌ساز رشد، توسعه و رفاه اجتماعی است در جامعه ارتقا یابد. در این مقاله با ارائه یک مدل جدید تحلیل پوششی داده‌ها با وزنهای مشترک به ارزیابی مناطق مختلف شهری از منظر جرم و بزهکاری پرداخته‌شده است.
روش:این پژوهش یک پژوهش ارزیابیکاربردی است. اطلاعات استخراج‌شده دربارة شاخصها با مدل پیشنهادی تحلیل پوششی داده‌ها با وزن‌های مشترک بررسیشدند.
یافته ها و نتایج:نتایج این پژوهش نشان داد کهمنطقه 1 مناسب‌ترین منطقه از منظر میزان پایین بودن جرم و بزهکاری است و پس‌ازآن منطقة3 در رتبة دوم قرار دارد. همچنین منطقة 4 از منظر جرم و بزهکاری در بالاترین سطح است.

کلیدواژه‌ها


عنوان مقاله [English]

Assessing Different Urban Areas in Terms of Crime and Delinquency with DEA and Common Weights Approach

نویسنده [English]

  • – JafarAhangaran
چکیده [English]

Abstract
Background and objectives: Law enforcement agencies, especially the police departments, can make proper planning to increase security in different areas through investigating the crime and delinquency of any of the urban areas, and implement their policies and plans through which security, which leads to growth, development and social welfare, can be promoted in the society. This paper presents a new model of data envelopment analysis with common weights to evaluate different areas of the city from the perspective of crime and delinquency.
Methodology: This study is an applied-analytic research. The extracted information on the indices with suggested data envelopment analysis model with common weights was investigated.
Findings and results: The results showed that the most suitable area in terms of low crime rate is district 1. Following that, district 2 is on the second place. District 4 is at the highest

کلیدواژه‌ها [English]

  • Crime
  • Crime Prevention
  • Relative efficiency
  • Data Envelopment Analysis
  • Common weights