مدیریت قانونمند و سلامتگرا بر میزان جزا در مورد مداخله موجر در تخریب یا مزاحمت در میان ساکنان مسکن مشاع

با گسترش شهرها و مهاجرت روستاییان به کلان شهرها مشکلات شهری روز به روز اقزایش پیدا کرد از جمله کمبود مسکن وافزایش بی رویه قیمت مسکن می توان نام برد. می دانیم ایرانیان از دیرباز عادت به سکونت در خانه های حیاط دار با تملک تماماشخصی داشته اند. در صورت سکونت چند خانه وار در یک ساختمان همگی عموما اعضای یک خانواده بودند. اتاق ها یا واحدهایاین ساختمان ها یک یا نهایتا دو طبقه به صورت افقی در اطراف حیاط قرار می گرفتد. ایده ساختمان های بلند به منظور پاسخ گوییبه افزایش جمعیت و همچنین مشکل مسکن وارد کشور ما شد. از طرفی کمبود زمین و بالا بودن قیمت آن مردم را بیش از پیش بهسمت آپارتمان نشینی سوق داده است. با این حال افراد اندکی با مفاد و قوانین تملک آپارتمان و آپارتمان نشینی آشنا هستند. لذا اینروزها تقریبا بیش از ۶۰ درصد افراد در شهرها در آپارتمان ها زندگی می کنند. هر فرد در آپارتمان حق و حقوقی دارد که عدم توجه بهآنها مانند جای پارک، انباری،توهین،مزاحمت های نویزدار و موارد مشابه دیگر را در دسته مزاحمت ملکی قرار میدهند. در اینمطالعه ضمن نمونه گیری یر روی تقریبا ۵۰۰ خانوار به طریق نمونه گیری ترکیبی انتخاب شده است. نتایج حاصل از یافته هایتوصیفی نشان میدهند که میزان مشکلات برآورد شده آپارتمان نشینی در به مراتب بالاست و مشکلات آپارتمان نشینی با متغیرهایتعداد واحدهای آپارتمان، قدمت آپارتمان، نوع تملک آپارتمان، میزان تغییر ساکنین، روابط همسایگی، تراکم جمعیت، کیفیت ساختفیزیکی، کارآمدی قوانین آپارتمان نشینی و میزان تردد در آپارتمان همبستگی معناداری دارد. در مقابل، متغیرهای مساحت واحدها،میزان امکانات، آگاهی به قوانین آپارتمان نشینی، سطح تحصیلات، تعداد اعضای خانوار، قومیت، نوع مسکن قبلی، جنس، سن مدتآپارتمان نشینی با میزان مشکلات آپارتمان نشینی رابطه معناداری را نشان نداد. نتایج حاصل از کاربرد تحلیل رگرسیون چندگانه وتحلیل مسیر نیز نشان داد که، متغیرهای تراکم جمعیت (۰/۵۰)، تغییر ساکنین (۰/۶۰)، میزان تردد در ساعات خارج از محدوده در آپارتمان (۰/۲۵)، کیفیت ساخت فیزیکی (۰/۱۵-)، کارآمدی قوانین آپارتمان نشینی (۰/۱۰-) و روابط همسایگی (۰/۴-) به عنوان تعیین کننده ترین عوامل تاثیرگذار بر میزان مشکلات آپارتمان نشینی هستند . با توجه به روابط بین متغییر با استفاده از مدل های شبکه های عصبی پیش بینی تنبه یا پاداش موجر پرداخته ایم.