تفکر سیستمی در جمع آوری داده ها در زمان حادثه به روش جمع سپاری؛ رویکردی تاب آور در مواجهه با قوی سیاه

مدیریت موثر بحران در رویدادهای قوی سیاه مستلزم دسترسی به داده های دقیق، به هنگام و قابل اعتماد در ساعات اولیه حادثه است؛ امری که روش های سنتی جمع آوری داده ها به دلیل تاخیر، پراکندگی و محدودیت های میدانی قادر به تحقق کامل آن نیستند. این پژوهش با بهره گیری از رویکرد تفکر سیستمی و تحلیل ساختارهای بازخوردی، نقش جمع سپاری را به عنوان مکملی برای داده های رسمی بررسی می کند و نشان می دهد که مشارکت شهروندان می تواند شکاف های اطلاعاتی حیاتی را در شرایط عدم قطعیت پر کند. ابتدا با تدوین نمودارهای علی - حلقوی و توسعه مدل پویایی سیستم، رفتار اکوسیستم داده ای در دو وضعیت «با جمع سپاری» و «بدون جمع سپاری» مدل سازی شد. سپس برای افزایش دقت ارزیابی، سناریوهای مربوط به کیفیت داده های مشارکتی نیز در مدل لحاظ گردید. در مرحله بعد، با استفاده از شبیه سازی مونت کارلو و بهره گیری از داده های سه رویداد شاخص (هائیتی ۲۰۱۰، نپال ۲۰۱۵ و ترکیه/ سوریه ۲۰۲۳)، اثر ساختاری جمع سپاری بر برآورد تلفات و نیازهای برآورده نشده تحلیل شد. یافته ها نشان می دهد که جمع سپاری، به ویژه در حالت داده های آموزش دیده و اعتبارسنجی شده، سبب افزایش سرعت شناسایی مناطق بحرانی، کاهش نیازهای برآورده نشده و بهبود میانه شاخص تلفات می شود؛ اگرچه ورود داده های مردمی نوسان پذیری و عدم قطعیت خروجی ها را نیز افزایش می دهد. بر این اساس، جمع سپاری جایگزین داده رسمی نیست، اما می تواند ظرفیت تطبیقی و تاب آوری اکوسیستم داده ای را به طور چشم گیری تقویت کند. در پایان، بر ضرورت توجه به زیرساخت های ارتباطی مقاوم در بحران تاکید می شود و یک مسیر پژوهشی نوین پیشنهاد می گردد؛ استفاده از شبکه های مش برای حفظ ارتباطات در زمان فروپاشی زیرساخت ها و ترکیب آن ها با فناوری بلاک چین جهت تضمین اصالت و ردیابی پذیری داده های مشارکتی. این معماری می تواند بنیانی برای توسعه سامانه های تاب آور نسل بعدی در مدیریت بلایا فراهم آورد.

کلیدواژه ها:

جمع سپاری ، تفکر سیستمی ، قوی سیاه ، پویایی سیستم ، شبیه سازی مونت کارلو