در مواقع بحران، کمک های انسان دوستانه موثر تا حد زیادی به استقرار سریع و کارآمد منابع و پرسنل بستگی دارد. داده های دقیق در مورد مکان و حرکت افراد آسیب دیده در این شرایط برای این امر ضروری است. محققان دانشگاه توکیو با همکاری بانک جهانی چارچوبی را برای تجزیه و تحلیل و تجسم داده های تحرک جمعیت ایجاد کرده اند که می تواند در چنین مواردی کمک کند.
جنگ‌ها، قحطی‌ها، بیماری‌های همه‌گیر، بلایای طبیعی… متأسفانه، دلایل زیادی وجود دارد که باعث می‌شود جمعیت‌ها مجبور شوند یا احساس کنند مجبور به ترک خانه‌های خود در جستجوی پناهگاهی در جای دیگری می‌شوند و این موارد همچنان در حال افزایش است. سازمان ملل در سال 2023 تخمین زد که بیش از 100 میلیون آواره اجباری در جهان وجود دارد. بیش از 62 میلیون نفر از این افراد به عنوان آوارگان داخلی در نظر گرفته می شوند، افرادی که در موقعیت های آسیب پذیر خاص قرار دارند زیرا در مرزهای کشورهای خود گیر افتاده اند و ممکن است سعی در فرار از آن داشته باشند.
شرایطی که جمعیت‌ها را جابجا می‌کند، ناگزیر آشفته است و قطعاً، اما نه تنها، در موارد تعارض، زیرساخت‌های اطلاعاتی می‌تواند مختل شود. بنابراین مقامات و سازمان‌هایی که سعی در مقابله با بحران‌ها دارند، اغلب با داده‌های محدودی درباره افرادی که سعی در کمک به آنها دارند، کار می‌کنند. اما کمبود داده تنها مشکل نیست. توانایی تفسیر آسان داده‌ها به گونه‌ای که افراد غیرمتخصص بتوانند بر اساس آن تصمیمات مؤثری بگیرند نیز یک مسئله است، به‌ویژه در موقعیت‌های سریع که خطرات و تنش‌ها زیاد است.
ارائه داده‌های دقیق در زمان واقعی در مورد جمعیت آسیب‌دیده عملاً غیرممکن است. یویا شیبویا، دانشیار ابتکار بین دانشکده برای مطالعات اطلاعات، گفت: داده‌های موجود اغلب آن‌قدر پراکنده هستند که نمی‌توانند مستقیما مفید باشند. تلاش‌های زیادی برای استفاده از داده‌های GPS برای این نوع چیزها انجام شده است و در شرایط عادی نشان داده شده است که برای مدل‌سازی رفتار جمعیت مفید است. اما در طول یک بحران، مدل‌های قابل پیش‌بینی خراب می‌شوند و کیفیت داده‌ها کاهش می‌یابد. دانشمندان داده، ما در حال بررسی راه‌هایی برای کاهش این مشکلات هستیم و با مطالعه آوارگان داخلی که در اثر تهاجم روسیه به اوکراین در سال 2022 آواره شده‌اند، یک چارچوب ردیابی برای نظارت بر جابجایی جمعیت ایجاد کرده‌ایم.
اگرچه اوکراین از پوشش شبکه کافی در همه جا برای دریافت داده های GPS برخوردار است، داده های تولید شده نماینده کل جمعیت نیست. همچنین نگرانی‌های مربوط به حریم خصوصی و احتمالاً شکاف‌های داده‌های مهم دیگری به دلیل ماهیت خود درگیری وجود دارد. به این ترتیب، مدل‌سازی نحوه حرکت جمعیت کار ساده‌ای نیست. شیبویا و تیمش به مجموعه محدودی از داده‌ها دسترسی داشتند که دوره چند هفته قبل و چند هفته پس از حمله اولیه در 24 فوریه 2022 را در بر می‌گرفت. این داده‌ها شامل بیش از 9 میلیون سوابق موقعیت مکانی از بیش از 100000 آوارگان ناشناس بود که اشتراک‌گذاری خود را انتخاب کردند. داده های مکان
«از این سوابق، می‌توانیم موقعیت خانه‌های مردم را در سطح منطقه‌ای بر اساس الگوهای منظم قبل از حمله تخمین بزنیم. برای اطمینان از اینکه می توان از این داده های محدود برای نشان دادن کل جمعیت استفاده کرد، ما تخمین های خود را با داده های نظرسنجی سازمان بین المللی مهاجرت به سازمان ملل مقایسه کردیم.” از آنجا به زمان و مکان نقل مکان مردم دقیقاً قبل و مدتی پس از شروع تهاجم نگاه کردیم.» اکثر آوارگان از پایتخت، کیف بودند، و برخی از مردم پنج هفته قبل از 24 فوریه، احتمالاً در انتظار، آنجا را ترک کردند، اگرچه چهار برابر بیشتر از مردم دو هفته پس از آن روز ترک کردند، اما هنوز شواهدی وجود دارد که برخی افراد شروع به کار کرده اند. برگشتن.”
بازگشت برخی از مردم به مناطق آسیب دیده تنها یکی از عواملی است که الگوهای تحرک جمعیت را مخدوش می کند – در واقع، افراد ممکن است از یک مکان به مکان دیگر نقل مکان کنند، گاهی اوقات چندین بار. تلاش برای نشان دادن این با یک نقشه پیکان ساده برای نشان دادن جمعیت ها می تواند به سرعت بسیار زیاد شود. تیم Shibuya از نمودارهای رنگی برای تجسم داده‌های خود استفاده می‌کند که به شما امکان می‌دهد حرکت جمعیت در داخل و خارج از مناطق را در زمان‌های مختلف یا داده‌های پویا را در یک تصویر مشاهده کنید.
من می‌خواهم تجسم‌هایی مانند این به آژانس‌های امدادی کمک کند تا چگونگی تخصیص منابع انسانی و منابع فیزیکی مانند غذا و دارو را ارزیابی کنند.» از آنجایی که آنها در مورد تغییرات پویا در جمعیت به شما می گویند، نه فقط حرکت از A به B، به نظر من این می تواند به این معنی باشد که کمک به جایی که لازم است و زمانی که به آن نیاز است کارآمدتر می رسد و ضایعات و هزینه های سربار را کاهش می دهد. یکی دیگر از مواردی که ما متوجه شدیم که می تواند مفید باشد این است که الگوهای مهاجرت افراد متفاوت است و به نظر می رسد وضعیت اجتماعی-اقتصادی عاملی در آن باشد. مردم مناطق ثروتمندتر تمایل دارند از خانه های خود دورتر از دیگران حرکت کنند. تنوع جمعیتی وجود دارد، و شبیه‌سازی‌های خوب باید این تنوع را منعکس کند و فرضیات زیادی ایجاد نکند.»
این تیم در حال کار با بانک جهانی بر روی این مطالعه است، زیرا سازمان بین المللی می تواند داده های مورد نیاز برای تجزیه و تحلیل ها را ارائه دهد. آنها امیدوارند به انواع دیگر موقعیت ها، مانند بلایای طبیعی، درگیری های سیاسی، مسائل زیست محیطی و غیره رسیدگی کنند. در نهایت، با انجام تحقیقاتی مانند این، شیبویا امیدوار است که مدل‌های کلی بهتری از رفتار انسان در شرایط بحرانی ایجاد کند تا برخی از تأثیرات این موقعیت‌ها را کاهش دهد.
