تحلیل داده پایان نامه ارزان در برنامه‌ریزی شهری: راهنمای جامع و کاربردی

آیا به دنبال راهی برای تحلیل داده‌های پایان‌نامه خود در حوزه برنامه‌ریزی شهری هستید، بدون اینکه بودجه‌تان را به خطر بیندازید؟

تیم متخصص ما در مشاوره پایان نامه، با رویکردهای نوین و مقرون‌به‌صرفه، به شما کمک می‌کند تا بهترین نتایج را از داده‌هایتان استخراج کنید. با ما تماس بگیرید و آینده پژوهش خود را دگرگون سازید!

همین حالا با ما تماس بگیرید! 09356661302

نقشه راه تحلیل داده پایان‌نامه در برنامه‌ریزی شهری (خلاصه مقاله)

[شروع]
   ► انتخاب موضوع و سوال پژوهش
       • اهمیت سوال پژوهش
       • تاثیر بر نوع داده و تحلیل
       • کاهش هزینه‌ها با تمرکز درست

   ► جمع‌آوری داده مقرون‌به‌صرفه
       • داده‌های ثانویه (رایگان/کم‌هزینه)
       • پرسشنامه‌های آنلاین (بازدهی بالا)
       • مشاهده میدانی هدفمند
       • نقش "پایانامه ارزان" در انتخاب روش

   ► انتخاب نرم‌افزار تحلیل مناسب
       • نرم‌افزارهای رایگان/متن‌باز (QGIS, R, Python, Geoda)
       • امکانات و محدودیت‌ها
       • نیازهای "تحلیل داده" شهری

   ► روش‌های تحلیل داده کلیدی
       • آمار توصیفی و استنباطی
       • تحلیل مکانی (GIS)
       • تحلیل کیفی (محتوا، دلفی)
       • مدل‌سازی و پیش‌بینی

   ► تفسیر و ارائه نتایج
       • وضوح و دقت
       • ارتباط با اهداف "برنامه‌ریزی شهری"
       • تاثیرگذاری در سیاست‌گذاری

   ► نکات طلایی برای کاهش هزینه‌ها
       • آموزش خودآموز
       • استفاده از منابع دانشگاهی
       • همکاری و هم‌فکری
       • اهمیت "مشاوره پایان نامه" تخصصی

[پایان]

در دنیای پرشتاب امروز، انجام یک پایان‌نامه باکیفیت در حوزه برنامه‌ریزی شهری، نیازمند تحلیل دقیق و همه‌جانبه داده‌هاست. اما دغدغه بسیاری از دانشجویان، هزینه‌های بالای مربوط به جمع‌آوری و تحلیل داده پایان نامه ارزان است. این مقاله جامع به شما نشان می‌دهد که چگونه می‌توانید با رویکردهای هوشمندانه و استراتژیک، فرآیند تحلیل داده‌های پایان‌نامه خود را در حوزه برنامه‌ریزی شهری، با کمترین هزینه و در عین حال با بالاترین کیفیت به انجام برسانید. ما باور داریم که دستیابی به نتایج درخشان، لزوماً به معنای صرف هزینه‌های گزاف نیست و با برنامه‌ریزی دقیق می‌توان به این هدف دست یافت. برای دریافت مشاوره پایان نامه تخصصی در این زمینه، می‌توانید از خدمات مشاوران تهران بهره‌مند شوید.

اهمیت تحلیل داده در برنامه‌ریزی شهری و چالش‌های هزینه‌ای

برنامه‌ریزی شهری، رشته‌ای است که به طور مستقیم با کیفیت زندگی مردم در ارتباط است. تصمیم‌گیری‌های خردمندانه در این حوزه، بدون تکیه بر داده‌های معتبر و تحلیل‌های علمی، تقریباً غیرممکن است. از تحلیل الگوهای رشد جمعیت و توسعه فیزیکی گرفته تا بررسی تأثیر سیاست‌های شهری بر محیط زیست و اقتصاد محلی، داده‌ها نقش محوری ایفا می‌کنند. با این حال، دانشجویان و پژوهشگران اغلب با مسعله هزینه مواجه هستند. جمع‌آوری داده‌های اولیه، خرید نرم‌افزارهای تحلیلی گران‌قیمت، و حتی استخدام مشاوران متخصص، می‌تواند بودجه قابل توجهی را به خود اختصاص دهد. اینجاست که نیاز به راهکارهای تحلیل داده پایان نامه ارزان بیش از پیش خودنمایی می‌کند.

چرا تحلیل داده در برنامه‌ریزی شهری حیاتی است؟

**تصمیم‌گیری مبتنی بر شواهد:** تحلیل داده‌ها، پایه‌ای محکم برای تصمیم‌گیری‌های مستدل و موثر در طراحی و اجرای طرح‌های شهری فراهم می‌کند.
**شناسایی الگوها و روندها:** به کمک داده‌ها می‌توان الگوهای پنهان و روندهای آتی را در توسعه شهری پیش‌بینی کرد.
**ارزیابی سیاست‌ها:** امکان سنجش اثربخشی سیاست‌ها و پروژه‌های شهری و شناسایی نقاط قوت و ضعف آن‌ها را فراهم می‌آورد.
**بهینه‌سازی منابع:** با درک بهتر نیازها و چالش‌ها، می‌توان منابع مالی و انسانی را به شکل بهینه‌تری تخصیص داد.

گام‌های اساسی برای تحلیل داده پایان‌نامه با بودجه محدود

1. تعیین دقیق سؤال پژوهش و انتخاب روش تحقیق

اولین و مهم‌ترین گام برای انجام یک پایانامه ارزان، تعریف دقیق و روشن سؤال پژوهش است. یک سؤال پژوهش مبهم می‌تواند منجر به جمع‌آوری داده‌های غیرضروری و تحمیل هزینه‌های اضافی شود. در حوزه برنامه‌ریزی شهری، این سؤال می‌تواند مربوط به مسائل حمل‌ونقل، اسکان، توسعه پایدار، یا حتی مشارکت شهروندان باشد. با داشتن یک سؤال متمرکز، می‌توانید منابع خود را بهینه کرده و از پراکندگی جلوگیری کنید. انتخاب روش تحقیق مناسب (کمی، کیفی، ترکیبی) نیز مستقیماً بر هزینه‌های شما تأثیرگذار است. برای مطالعه مقالات بیشتر در زمینه روش‌شناسی تحقیق می‌توانید به بخش مقالات ما مراجعه کنید.

2. جمع‌آوری داده‌های مقرون‌به‌صرفه

بخش قابل توجهی از هزینه‌ها به جمع‌آوری داده‌ها اختصاص دارد. برای کاهش این هزینه‌ها، رویکردهای زیر را در نظر بگیرید:

**استفاده از داده‌های ثانویه:** داده‌های موجود در سازمان‌های دولتی، شهرداری‌ها، پژوهشگاه‌ها، دانشگاه‌ها، و بانک‌های اطلاعاتی آنلاین (مانند درگاه‌های داده باز شهری، مرکز آمار ایران، نقشه‌های GIS موجود) اغلب رایگان یا با هزینه بسیار کمی در دسترس هستند. این داده‌ها می‌توانند شامل اطلاعات جمعیتی، کاربری اراضی، شبکه حمل‌ونقل، و زیرساخت‌ها باشند. این رویکرد به شما امکان می‌دهد یک تحلیل داده پایان نامه ارزان و در عین حال قدرتمند داشته باشید.
**پرسشنامه‌های آنلاین و کم‌هزینه:** به جای چاپ و توزیع دستی پرسشنامه‌ها، از پلتفرم‌های آنلاین رایگان یا ارزان‌قیمت مانند Google Forms، SurveyMonkey (نسخه رایگان) یا Qualtrics (در صورت دسترسی از طریق دانشگاه) استفاده کنید. این ابزارا به شما کمک می‌کنند تا در زمان و هزینه صرفه‌جویی کرده و به سرعت داده‌ها را جمع‌آوری کنید.
**مشاهده میدانی هدفمند:** اگر مشاهده میدانی ضروری است، آن را به شکل کاملاً هدفمند و متمرکز بر سؤال پژوهش خود انجام دهید. استفاده از ابزارهای ساده مانند نرم‌افزارهای نقشه برداری موبایل یا حتی عکس‌برداری با گوشی هوشمند می‌تواند جایگزین مناسبی برای تجهیزات گران‌قیمت باشد.
**داده‌کاوی از شبکه‌های اجتماعی:** در برخی مطالعات برنامه‌ریزی شهری، داده‌های شبکه‌های اجتماعی (با رعایت مسائل اخلاقی و حریم خصوصی) می‌توانند منبع ارزشمندی از اطلاعات راجع به ادراک مردم از فضاها، رضایت‌مندی شهری یا چالش‌ها باشند.

3. انتخاب نرم‌افزارهای تحلیل داده مقرون‌به‌صرفه

نرم‌افزارهای آماری و GIS گران‌قیمت می‌توانند سد بزرگی بر سر راه دانشجویان باشند. خوشبختانه، جایگزین‌های قدرتمند و رایگان بسیاری وجود دارد که می‌توانند نیازهای شما را برطرف کنند:

**نرم‌افزارهای GIS رایگان و متن‌باز (FOSSGIS):**
- **QGIS:** یک نرم‌افزار GIS فوق‌العاده قدرتمند و رایگان که تمامی امکانات ضروری برای تحلیل‌های مکانی در برنامه‌ریزی شهری را ارائه می‌دهد. از تهیه نقشه تا تحلیل‌های پیچیده فضایی، QGIS یک جایگزین عالی برای نرم‌افزارهای تجاری است.
- **GRASS GIS و SAGA GIS:** این دو نیز از دیگر نرم‌افزارهای متن‌باز هستند که قابلیت‌های پیشرفته‌ای برای پردازش و تحلیل داده‌های جغرافیایی دارند.
**نرم‌افزارهای آماری رایگان:**
- **R و RStudio:** R یک زبان برنامه‌نویسی و محیط نرم‌افزاری برای محاسبات آماری و گرافیک است که به همراه RStudio (یک محیط توسعه یکپارچه) ابزاری بسیار قدرتمند و رایگان را برای تحلیل داده‌ها در اختیار شما قرار می‌دهد. دارای بسته‌های (packages) تخصصی بسیاری برای تحلیل‌های مکانی و شهری است.
- **Python و کتابخانه‌های آن (Pandas, NumPy, SciPy, Matplotlib, Seaborn):** پایتون یک زبان برنامه‌نویسی همه‌کاره است که با کتابخانه‌های تخصصی خود، به ابزاری بی‌نظیر برای تحلیل داده، مدل‌سازی و بصری‌سازی تبدیل شده است. یادگیری پایتون در بلندمدت توانای شما را در حوزه برناه‌ریزی شهری به شدت افزایش می‌دهد.
- **Jamovi و JASP:** این دو نرم‌افزار، رابط کاربری گرافیکی ساده‌ای دارند و بر پایه زبان R توسعه یافته‌اند، که آن‌ها را برای دانشجویانی که با کدنویسی راحت نیستند، گزینه‌هایی ایده‌آل برای تحلیل‌های آماری پایه و متوسط می‌سازند.
**ابزارهای کیفی رایگان:**
- **NVivo (نسخه آزمایشی/دانشگاهی):** در صورت دسترسی از طریق دانشگاه، نسخه‌های آموزشی یا تخفیف‌دار NVivo می‌تواند برای تحلیل داده‌های کیفی (مانند مصاحبه‌ها و محتوای متنی) مفید باشد. جایگزین‌های متن‌باز شامل Taguette یا QDA Miner Lite نیز وجود دارند.

روش‌های تحلیل داده کلیدی در برنامه‌ریزی شهری

پس از جمع‌آوری و آماده‌سازی داده‌ها، نوبت به تحلیل آن‌ها می‌رسد. انتخاب روش تحلیل مناسب بستگی به سؤال پژوهش و نوع داده‌های شما دارد. در ادامه به برخی از مهم‌ترین روش‌ها اشاره می‌کنیم:

1. تحلیل آماری (کمی)

**آمار توصیفی:** شامل میانگین، میانه، مد، انحراف معیار، فراوانی‌ها و نمودارها (هیستوگرام، نمودار میله‌ای، دایره‌ای) برای خلاصه کردن و نمایش ویژگی‌های اصلی داده‌ها. این بخش اساسی برای هر تحلیل داده پایان نامه ارزان است.
**آمار استنباطی:** برای نتیجه‌گیری درباره یک جامعه بزرگتر بر اساس نمونه جمع‌آوری شده. شامل آزمون‌های t، ANOVA، همبستگی، رگرسیون (خطی، چندگانه، لجستیک) و تحلیل عاملی. این آزمون‌ها به شما کمک می‌کنند تا روابط بین متغیرها را شناسایی کرده و فرضیات خود را بیازمایید.

2. تحلیل مکانی (GIS)

سیستم اطلاعات جغرافیایی (GIS) ابزاری بی‌بدیل در برنامه‌ریزی شهری است. تحلیل‌های مکانی به شما کمک می‌کنند تا الگوهای فضایی، روابط همسایگی و تأثیرات مکانی پدیده‌ها را درک کنید:

**نقشه‌کشی و بصری‌سازی:** تولید نقشه‌های موضوعی (Thematic Maps) که توزیع فضایی پدیده‌ها (مانند تراکم جمعیت، کاربری اراضی، دسترسی به خدمات) را نشان می‌دهد.
**تحلیل بافر (Buffer Analysis):** ایجاد حریم در اطراف یک نقطه، خط یا پلیگون برای تحلیل تأثیرات نزدیکی (مثلاً بررسی تعداد خانوارها در فاصله 500 متری یک پارک).
**تحلیل همپوشانی (Overlay Analysis):** ترکیب لایه‌های مختلف اطلاعات جغرافیایی برای شناسایی مناطق با ویژگی‌های مشترک (مثلاً یافتن مناطقی که هم دارای جمعیت بالا هستند و هم از دسترسی کمی به فضای سبز برخوردارند).
**تحلیل شبکه (Network Analysis):** بررسی بهینه‌ترین مسیرها، زمان سفر، و دسترسی به امکانات با استفاده از شبکه‌های حمل‌ونقل (مثلاً یافتن بهترین مکان برای یک ایستگاه اتوبوس جدید).
**تحلیل نقاط داغ (Hot Spot Analysis):** شناسایی خوشه‌های فضایی از پدیده‌ها (مانند مناطق با غلظت بالای جرم یا کمبود خدمات) که در نرم‌افزارهای GIS مانند QGIS قابل انجام است.

3. تحلیل کیفی

برای درک عمیق‌تر از دیدگاه‌ها، تجربیات و معانی پنهان در پدیده‌های شهری، تحلیل کیفی ضروری است:

**تحلیل محتوا (Content Analysis):** بررسی نظام‌مند متون (مصاحبه‌ها، اسناد، گزارش‌ها، مقالات خبری) برای شناسایی الگوها، تم‌ها و مفاهیم کلیدی.
**تحلیل تماتیک (Thematic Analysis):** شناسایی و استخراج تم‌های اصلی از داده‌های کیفی.
**تئوری داده‌بنیاد (Grounded Theory):** توسعه نظریه از دل داده‌ها، با استفاده از فرآیند کدگذاری و مقایسه مستمر.

4. مدل‌سازی و پیش‌بینی

در سطح پیشرفته‌تر، می‌توان از مدل‌ها برای پیش‌بینی سناریوهای آینده و ارزیابی تأثیر سیاست‌های مختلف استفاده کرد:

**مدل‌های رگرسیونی:** برای پیش‌بینی یک متغیر بر اساس یک یا چند متغیر دیگر.
**مدل‌های زنجیره مارکوف:** برای پیش‌بینی تغییرات کاربری اراضی یا الگوهای مهاجرت.
**مدل‌سازی سیستمی:** برای درک دینامیک‌های پیچیده شهری و تعاملات بین اجزا.

نکات کلیدی برای اجرای تحلیل داده پایان‌نامه با بودجه محدود

جدول 1: مقایسه روش‌های کاهش هزینه در تحلیل داده

روش کاهش هزینه	توضیح و کاربرد در برنامه‌ریزی شهری
استفاده از داده‌های ثانویه	داده‌های جمعیتی، کاربری اراضی، نقشه‌های موجود از سازمان‌های دولتی و شهرداری‌ها. کاهش چشمگیر هزینه و زمان جمع‌آوری.
نرم‌افزارهای متن‌باز (QGIS, R, Python)	جایگزین‌های رایگان و قدرتمند برای GIS تجاری و نرم‌افزارهای آماری. نیازمند زمان برای یادگیری، اما سرمایه‌گذاری باارزش.
آموزش خودآموز	یادگیری نرم‌افزارها و تکنیک‌های تحلیل از طریق منابع آنلاین رایگان (یوتیوب، دوره‌های MOOC، مستندات رسمی). صرفه‌جویی در هزینه کلاس‌های آموزشی.
همکاری با متخصصین	در صورت نیاز به کمک تخصصی برای بخش‌های پیجیدگی خاص، از خدمات مشاوران با تجربه و قیمت مناسب استفاده کنید. مانند مشاوره پایان نامه در تهران.

برای اینکه یک پایانامه ارزان اما باکیفیت داشته باشید، نه تنها باید روش‌های هوشمندانه در جمع‌آوری و تحلیل داده‌ها را به کار بگیرید، بلکه باید به جنبه‌های دیگر نیز توجه کنید:

1. آموزش و خودآموزی

سرمایه‌گذاری بر روی توانایی‌های خود، بهترین راه برای کاهش هزینه‌های بلندمدت است. منابع آموزشی رایگان بسیاری برای یادگیری نرم‌افزارهای GIS (مانند QGIS) و زبان‌های برنامه‌نویسی (مانند R و پایتون) وجود دارد:

**دوره‌های آنلاین باز (MOOCs):** پلتفرم‌هایی مانند Coursera، edX، و Udemy (با دوره‌های تخفیف‌خورده) دوره‌های بسیار خوبی در زمینه تحلیل داده و GIS ارائه می‌دهند.
**یوتیوب و موسسه مشاوران تهران‌ها:** صدها آموزش رایگان و گام به گام برای کار با QGIS، R و پایتون در دسترس است.
**مستندات رسمی نرم‌افزارها:** مستندات QGIS و R/Python بسیار جامع و کاربردی هستند.

2. همکاری و مشاوره هدفمند

گاهی اوقات، بخشی از پروژه ممکن است نیازمند تخصص خاصی باشد که شما زمان یا توانای یادگیری آن را ندارید. در این مواقع، همکاری‌های کوچک و هدفمند می‌تواند راهگشا باشد:

**مشورت با اساتید و همکاران:** از شبکه دانشگاهی خود برای دریافت راهنمایی و مشورت استفاده کنید. بسیاری از اساتید و دانشجویان دکترا مایلند در پروژه‌های جالب کمک کنند.
**همکاری با متخصصین مقرون‌به‌صرفه:** اگر نیاز به کمک در یک بخش خاص از تحلیل داده (مثلاً کدنویسی پیشرفته در پایتون یا تحلیل‌های فضایی پیچیده) دارید، به دنبال متخصصینی باشید که خدمات خود را با قیمت‌های دانشجویی یا به صورت پاره‌وقت ارائه می‌دهند. مجموعه‌هایی مانند مشاوره پایان نامه می‌توانند در این زمینه کمک کنند. همچنین برای موضوعات مرتبط با شهرهای مختلف، می‌توانید به مقالات خدماتی پایان‌نامه برای شهرها نیز مراجعه کنید.

3. مدیریت زمان و برنامه‌ریزی دکیک

زمان، پول است. برنامه‌ریزی ضعیف می‌تواند منجر به عجله در لحظات پایانی و تحمیل هزینه‌های اضافی برای خدمات فوری یا ابزارهای گران‌قیمت شود. یک زمان‌بندی واقع‌بینانه برای هر مرحله از پروژه (جمع‌آوری داده، پزدازش، تحلیل، نگارش) می‌تواند به شما کمک کند تا در مسیر باقی بمانید و از هزینه‌های غیرضروری جلوگیری کنید.

مشکلات رایج و راه‌حل‌های مقرون‌به‌صرفه

1. کمبود منابع داده

**مشکل:** دسترسیی محدود به داده‌های جدید یا محرمانه که برای پژوهش حیاتی هستند.

**راه‌حل:**

**تغییر تمرکز پژوهش:** گاهی اوقات، باید سؤال پژوهش را طوری تغییر داد که با داده‌های موجود قابل پاسخگویی باشد.
**همکاری با سازمان‌ها:** تلاش برای برقراری ارتباط با سازمان‌ها و نهادهای ذی‌ربط و توضیح اهمیت پژوهش خود برای دسترسی به داده‌ها (گاهی اوقات با امضای توافق‌نامه عدم افشا).
**تولید داده‌های اولیه با هزینه کم:** استفاده از مشاهدات سیستماتیک، مصاحبه‌های عمیق محدود یا گروه‌های کانونی کوچک می‌تواند جایگزین مناسبی برای پیمایش‌های بزرگ و پرهزینه باشد.

2. پیچیدگی تحلیل و نرم‌افزارها

**مشکل:** دشواری در کار با نرم‌افزارهای پیچیده یا عدم درک کافی از روش‌های آماری و مکانی.

**راه‌حل:**

**استفاده از ابزارهای ساده‌تر:** همانطور که اشاره شد، Jamovi یا JASP برای آمار و QGIS برای GIS دارای رابط‌های کاربری نسبتاً ساده‌تری هستند.
**تقسیم کار:** در صورت همکاری با یک تیم یا دوست، می‌توانید بخش‌های مختلف تحلیل را بر اساس تخصص تقسیم کنید.
**یادگیری تدریجی:** به جای تلاش برای تسلط ناگهانی بر یک نرم‌افزار، قدم به قدم پیش بروید و با پروژه‌های کوچک‌تر شروع کنید.
**مشاوره آنلاین:** بسیاری از مشاوران به صورت آنلاین و با هزینه‌های کمتر خدمات مشاوره‌ای در زمینه تحلیل نرم‌افزاری ارائه می‌دهند. برای مشاوره پایان نامه حرفه‌ای می‌توانید با ما تماس بگیرید.

3. نگرانی از کیفیت پایین به دلیل “ارزان بودن”

**مشکل:** این تصور که تحلیل داده پایان نامه ارزان لزوماً به معنای کیفیت پایین است.

**راه‌حل:**

**تأکید بر روش‌شناسی:** کیفیت یک پژوهش بیشتر به روش‌شناسی قوی و اجرای دقیق آن بستگی دارد تا به ابزارهای گران‌قیمت. با انتخاب صحیح روش‌ها و دقت در هر مرحله، می‌توانید از کیفیت بالای کار خود اطمینان حاصل کنید.
**بازبینی توسط متخصصین:** حتی اگر خودتان تحلیل را انجام داده‌اید، از یک استاد یا مشاور باتجربه بخواهید که نتایج و روش‌های شما را بازبینی کند تا از صحت و اعتبار آن مطمئن شوید. این یک سرمایه‌گذاری کوچک برای موفکیت بزرگ است.
**صداقت در گزارش:** همیشه روش‌های خود را به صورت شفاف و کامل گزارش دهید. صداقت علمی بخش جدایی‌ناپذیری از کیفیت پژوهش است.

نتیجه‌گیری: تحلیل داده هوشمندانه، نه گران‌قیمت

همانطور که دیدیم، انجام یک تحلیل داده پایان نامه ارزان در برنامه‌ریزی شهری نه تنها امکان‌پذیر است، بلکه با اتخاذ رویکردهای هوشمندانه و استفاده از منابع موجود، می‌توان به نتایجی درخشان دست یافت. کلید موفقیت در برنامه‌ریزی دقیق، انتخاب صحیح ابزارها و روش‌ها، و سرمایه‌گذاری بر روی یادگیری و توانمندی‌های شخصی است. به یاد داشته باشید که هدف نهایی، تولید دانشی است که بتواند به بهبود کیفیت زندگی در شهرها کمک کند، و این هدف نباید تحت‌الشعاع محدودیت‌های مالی قرار گیرد. با استفاده از خدمات مشاوره پایان نامه حرفه‌ای ما، می‌توانید مسیر پژوهشی خود را با اطمینان و کارآمدی طی کنید و پایان‌نامه‌ای باارزش و تاثیرگذار ارائه دهید.

آیا برای تحلیل داده‌های پایان‌نامه خود در حوزه برنامه‌ریزی شهری به کمک نیاز دارید؟

تیم متخصص مشاوران تهران آماده است تا با ارائه راهکارهای علمی و مقرون‌به‌صرفه، شما را در تمامی مراحل تحلیل داده یاری رساند.

همین حالا تماس بگیرید و مشاوره رایگان دریافت کنید!

/* General body styling for better readability and responsiveness */
body {
font-family: ‘Vazirmatn’, sans-serif;
color: #333;
line-height: 1.7;
margin: 0;
padding: 0;
background-color: #f5f5f5; /* A very light gray background for the page */
}

/* Base heading styles (might be overridden by inline styles, but good for general rendering) */
h1 {
font-family: ‘Vazirmatn’, sans-serif;
font-size: 3.2em;
font-weight: 800;
color: #2A5A8A;
text-align: center;
margin-bottom: 30px;
line-height: 1.2;
}

h2 {
font-family: ‘Vazirmatn’, sans-serif;
font-size: 2.2em;
font-weight: 700;
color: #2A5A8A;
margin-top: 40px;
margin-bottom: 20px;
border-bottom: 2px solid #E0E0E0;
padding-bottom: 10px;
}

h3 {
font-family: ‘Vazirmatn’, sans-serif;
font-size: 1.8em;
font-weight: 600;
color: #4A7BAA;
margin-top: 30px;
margin-bottom: 15px;
}

/* Paragraph and list styling */
p {
margin-bottom: 20px;
font-size: 1.15em;
}

ul {
list-style-type: disc;
margin-left: 25px;
margin-bottom: 20px;
font-size: 1.15em;
}

li {
margin-bottom: 8px;
}

/* Table styling */
table {
width: 100%;
border-collapse: collapse;
margin-top: 15px;
font-size: 1.05em;
}

th, td {
padding: 12px 15px;
border: 1px solid #C0C0C0;
text-align: right;
}

th {
font-weight: 700;
background-color: #D3E0F3;
color: #2A5A8A;
}

tr:nth-child(even) {
background-color: #F8F8F8;
}

/* Responsive adjustments */
@media (max-width: 768px) {
h1 {
font-size: 2.5em;
margin-bottom: 20px;
}
h2 {
font-size: 1.8em;
margin-top: 30px;
margin-bottom: 15px;
}
h3 {
font-size: 1.5em;
margin-top: 25px;
margin-bottom: 10px;
}
p, ul, li, table {
font-size: 1em;
}
.cta-container {
padding: 20px;
}
.cta-container p {
font-size: 1.1em;
}
.cta-container a {
padding: 12px 25px;
font-size: 1.1em;
}
.infographic-container {
padding: 20px;
}
pre {
font-size: 0.9em; /* Smaller font for infographic on mobile */
}
}

@media (max-width: 480px) {
h1 {
font-size: 2em;
}
h2 {
font-size: 1.6em;
}
h3 {
font-size: 1.3em;
}
p, ul, li, table {
font-size: 0.95em;
}
th, td {
padding: 8px 10px;
}
.cta-container {
padding: 15px;
}
.cta-container p {
font-size: 1em;
}
.cta-container a {
padding: 10px 20px;
font-size: 1em;
}
}