داده‌های شهری بر کیفیت زندگی تاثیر دارند؟

به گزارش مجله خبری نگار/آنا،به گزارش (oecd) سال‌ها است شهر‌ها به‌عنوان مراکز اصلی تولید رفاه و نیز عاملان تعیین‌کنندهٔ سلامت جسمی، روانی و اجتماعی شهروندان مطرح شده‌اند. داده‌های شهری از حسگر‌ها و سامانه‌های حمل‌ونقل تا پایگاه‌های سلامت و پرسشنامه‌های رضایت‌مندی این امکان را فراهم کرده‌اند که تصمیم‌گیری شهری از حدِ آزمون‌وخطا عبور کند و به سیاست‌های هدفمندتر و اثربخش‌تر تبدیل شود.

با این حال، تبدیل «تحلیل داده» به «عملیاتی‌سازی سیاست‌های خوش‌زیستی» نیازمند چارچوب‌های نهادی، شفافیت، و مشارکت شهروندان است تا هم مؤثر و هم عادلانه باشد.

چرا «داده» برای خوشزیستی شهری مهم است؟

به گزارش (oecdregionalwellbeing) خوشزیستی شهری چندبعدی سلامت جسمی، سلامت روان، دسترسی به فضا‌های سبز، کیفیت هوا، ایمنی، دسترسی به خدمات و رضایت از زندگی دارد. همه اینها قابل اندازه‌گیری‌اند و داده‌ها کمک می‌کنند تا نواحی محروم یا سیاست‌های ناکارآمد شناسایی شوند.

شواهد نشان می‌دهد شهر‌هایی که ظرفیت نوآوری و استفاده از داده دارند، توانایی بیشتری در ارتقای رفاه ساکنان‌شان دارند؛ داده‌ها امکان ردیابی روندها، آزمایش مداخلات (مثل تغییرات در حمل‌ونقل یا فضای سبز) و پایش نتایج را فراهم می‌کنند.

چه داده‌هایی و از کجا؟

برای سنجش و بهبود خوش‌زیستی شهری، مجموعه‌ای گسترده از داده‌ها از منابع مختلف گردآوری می‌شود که هرکدام بخشی از تصویر کلی کیفیت زندگی را ترسیم می‌کنند. بخشی از این داده‌ها از سامانه‌های حسگری و محیطی به دست می‌آید؛ حسگر‌های کیفیت هوا، سنجش سر و صدا، اندازه‌گیری دما و پایش تردد وسایل نقلیه که در نقاط مختلف شهر نصب شده‌اند، اطلاعات دقیقی درباره وضعیت محیط زیست شهری ارائه می‌دهند.

نوع دیگری از داده‌ها به الگو‌های دسترسی و حرکت شهروندان مربوط است؛ ازجمله داده‌های GPS ناوگان حمل‌ونقل عمومی، اطلاعات ناشناس‌شده‌ٔ جابه‌جایی تلفن‌های همراه، میزان استفاده از دوچرخه و زمان سفر در شبکه حمل‌ونقل.

در کنار اینها، داده‌های سلامت و اجتماعی نیز نقش مهمی دارند آمار مرگ‌ومیر، مراجعه‌های اورژانس، داده‌های سلامت عمومی و حتی سطح فعالیت بدنی افراد که گاهی با رضایت شهروندان و از طریق ابزار‌های پوشیدنی ثبت می‌شود.

دسته دیگری از اطلاعات به ابعاد اقتصادی و خدمات شهری مرتبط است؛ مانند نرخ بیکاری، میزان دسترسی به خدمات ضروری در محله‌ها، سرانهٔ فضای سبز و شاخص‌های آموزشی. در نهایت، برای درک تجربهٔ زیستهٔ شهروندان، داده‌های احساسی و ادراکی همچون نتایج پرسشنامه‌های رضایت از زندگی، شکایات ثبت‌شدهٔ شهری و تحلیل محتوای شبکه‌های اجتماعی درباره حال‌وهوای شهر نیز مورد توجه قرار می‌گیرد.

به گزارش (unhabitat) ترکیب این داده‌های متنوع به تصمیم‌سازان شهری کمک می‌کند تصویری جامع، چندلایه و قابل اتکا از وضعیت رفاه شهری به دست آورند؛ موضوعی که سازمان‌هایی، چون UN-Habitat و OECD نیز در چارچوب «مشاهده‌گر‌های شهری» و ابزار‌های پایش داده‌محور بر آن تأکید کرده‌اند.

از تحلیل تا عمل

به گزارش (oecdregionalwellbeing) تبدیل تحلیل داده به اقدام عملی در شهر‌ها نیازمند مجموعه‌ای از ابزار‌ها و مراحل است که به سیاست‌گذاران اجازه می‌دهد میان داده‌های خام و مداخلات مؤثر شهری پیوند برقرار کنند. نخستین گام، شاخص‌سازی و پایش مستمر است؛ به این معنا که شهر باید مجموعه‌ای از شاخص‌های دقیق، قابل اندازه‌گیری و قابل گزارش را تعریف کند. برای نمونه، شاخص کیفیت هوای محله‌ای یا میزان دسترسی شهروندان به فضای سبز در فاصله ده دقیقه پیاده‌روی. سازمان‌هایی مانند OECD چارچوب‌هایی برای تعریف و پایش شاخص‌های رفاه منطقه‌ای ارائه کرده‌اند و نشان داده‌اند که این نوع شاخص‌سازی، اساس تصمیم‌گیری مبتنی بر شواهد است.

همچنین به گزارش (nature) پس از آن، تحلیل علت‌مند و مدل‌سازی پیش‌بینی‌کننده اهمیت پیدا می‌کند. ابزار‌های آماری و الگوریتم‌های یادگیری ماشین به شهریاران کمک می‌کنند روابط علّی بین متغیر‌ها را درک کنند؛ برای مثال، مشخص سازند که افزایش دسترسی به حمل‌ونقل پاک چگونه می‌تواند بر سلامت روان یا میزان فعالیت بدنی ساکنان اثر بگذارد. نتایج برخی مطالعات جدید نیز نشان می‌دهد اجرای سیاست‌های شهر هوشمند در چندین شهر جهان با بهبود شاخص‌های زیست‌پذیری مرتبط بوده است؛ نکته‌ای که اهمیت تحلیل‌های مبتنی بر داده را برجسته‌تر می‌کند.

همچنین در گزاری (smart-city-dialog) آمده است فاز بعدی، پایلوت‌سازی و اجرای آزمایش‌های میدانی است؛ مرحله‌ای که در آن، مداخله‌های شهری ابتدا در مقیاس کوچک و در محدوده‌های جغرافیایی کنترل‌شده اجرا می‌شوند تا تأثیر واقعی آنها با استفاده از داده‌های پیش و پس از اجرا سنجیده شود. این رویکرد که گاه A/B شهری نامیده می‌شود، به تصمیم‌گیران امکان می‌دهد ریسک‌ها را کاهش دهند، هزینه‌ها را بهینه کنند و تنها سیاست‌هایی را تا سطح شهر تسری دهند که اثربخشی آنها تأیید شده است. گزارش‌های متعدد از نهاد‌های بین‌المللی، تجربه‌های موفق شهر‌ها در اجرای پایلوت‌های داده‌محور را به‌عنوان بهترین شیوه معرفی کرده‌اند.

در نهایت، پلتفرم‌های داده و داشبورد‌های مشارکتی نقش مهمی در تبدیل تحلیل به عمل دارند. ایجاد پایگاه‌های دادهٔ باز و سامانه‌هایی که به‌طور شفاف شاخص‌ها، روند‌ها و داده‌های عملکردی را در اختیار عموم قرار می‌دهند، نه‌تنها نظارت عمومی را تقویت می‌کند بلکه امکان مشارکت و بازخورد شهروندان را نیز فراهم می‌سازد. پروژه‌هایی مانند Data-Driven Cities و چارچوب‌های پیشنهادی UN-Habitat نشان می‌دهند که شهر‌هایی که این نوع پلتفرم‌ها را توسعه داده‌اند، توانسته‌اند تصمیم‌گیری را چابک‌تر، شفاف‌تر و مبتنی بر نیاز‌های واقعی جامعه پیش ببرند.

شواهد عملی از شهر‌های داده‌محور

به گزارش (nature) تجربهٔ شهر‌های مختلف نشان می‌دهد که استفادهٔ هوشمندانه از داده چگونه می‌تواند کیفیت زندگی ساکنان را تغییر دهد. در چین، یک مطالعهٔ پانلی دربارهٔ سیاست‌های «شهر هوشمند» نشان داده است که اجرای این برنامه‌ها در بسیاری از مناطق با ارتقای شاخص‌های زیست‌پذیری همراه بوده است؛ با این حال، پژوهشگران تأکید می‌کنند که میزان موفقیت، به تعادل میان فناوری، عدالت اجتماعی و نحوهٔ پیاده‌سازی بستگی دارد و اتکا به فناوری بدون توجه به جامعه می‌تواند نتیجهٔ معکوس داشته باشد.

در اروپا نیز پروژه‌هایی مانند VARCITIES با ترکیب داده‌های مرتبط با طبیعت‌درمانی، سلامت عمومی و کیفیت فضا‌های سبز، توانسته‌اند الگو‌های جدیدی برای اولویت‌بندی مداخلات طبیعت‌محور ارائه دهند؛ مداخلاتی که به بهبود سلامت روان و تقویت پیوند افراد با محیط طبیعی منجر شده است.

علاوه بر این، در گزارش (oecdregionalwellbeing) آمده است ابزار‌های شاخص‌سازی منطقه‌ای که توسط OECD توسعه یافته‌اند نشان داده‌اند که اندازه‌گیری مستمر خوش‌زیستی در مقیاس محله یا منطقه، می‌تواند به سیاست‌گذاری هدفمند و کاهش نابرابری فضایی کمک کند. این نمونه‌ها بیانگر آن است که داده، زمانی اثرگذار می‌شود که با نیاز‌های واقعی جامعه و اصول عدالت همراه باشد.

نگاه انتقادی به حکمرانی داده‌محور

با وجود ظرفیت‌های بالا، استفاده از داده در سیاست‌گذاری شهری بدون چالش نیست و اگر به این موانع توجه نشود، حتی می‌تواند نابرابری‌ها را تشدید کند. یکی از اصلی‌ترین ریسک‌ها، حریم خصوصی و رضایت شهروندان است؛ به‌ویژه زمانی که داده‌هایی مانند سلامت یا موقعیت مکانی جمع‌آوری می‌شود.

چنین داده‌هایی باید تحت چارچوب‌های حقوقی روشن و با رضایت آگاهانه ذخیره و استفاده شوند. از سوی دیگر، سوگیری در داده‌ها نیز می‌تواند نتایج تصمیم‌گیری را مخدوش کند؛ برای مثال، مناطق یا گروه‌هایی که دسترسی کمتری به ابزار‌های دیجیتال دارند، ممکن است در داده‌های شهری کمتر دیده شوند و این امر به تولید سیاست‌هایی منجر شود که نابرابری را ناخواسته افزایش می‌دهد.

محدودیت ظرفیت نهادی نیز چالش مهم دیگری است؛ بسیاری از شهرداری‌ها فاقد تیم‌های تحلیل داده یا توان فنی برای مدیریت پلتفرم‌های داده هستند و OECD بار‌ها بر ضرورت تقویت ظرفیت نوآوری شهری تأکید کرده است. علاوه بر این، موضوع امنیت سایبری و مالکیت داده نیز اهمیت حیاتی دارد؛ داده‌های شهری باید در برابر حملات سایبری و بهره‌برداری تجاری غیرشفاف محافظت شوند و قرارداد‌های روشن، حدود مالکیت و نحوهٔ استفاده از این داده‌ها را مشخص کند.

اصول اخلاقی و حکمرانی داده برای ارتقای خوش‌زیستی شهری

برای آن‌که داده به ابزاری در خدمت رفاه و عدالت شهری تبدیل شود، لازم است اصول مشخصی در حکمرانی داده رعایت شود. نخستین اصل، مشارکت فعال شهروندان است؛ یعنی تصمیم‌گیری درباره شاخص‌های خوش‌زیستی، نحوهٔ جمع‌آوری داده و نحوهٔ انتشار آن باید با حضور و نظر شهروندان انجام شود تا اعتماد و پذیرش اجتماعی شکل بگیرد.

اصل دیگر، شفافیت الگوریتمی است؛ هنگامی که سیاست‌های شهری بر پایهٔ مدل‌های پیش‌بینی اتخاذ می‌شوند، ضروری است که الگوریتم‌ها، متغیر‌های مورد استفاده و معیار‌های تصمیم‌گیری قابل بررسی، توضیح‌پذیر و حسابرسی باشند. مهم‌تر از همه، تحلیل‌ها و سیاست‌ها باید بر عدالت توزیعی متمرکز باشند؛ یعنی بررسی کنند که هر مداخله چه اثری بر گروه‌های مختلف اجتماعی دارد و آیا باعث کاهش یا افزایش شکاف‌های موجود می‌شود. همان‌گونه که OECD اشاره کرده، توانمندی یک شهر در استفادهٔ نوآورانه و منصفانه از داده، ارتباط مستقیمی با کاهش نابرابری و بهبود کیفیت زندگی در مناطق مختلف دارد.

توصیه‌های عملی برای شهرداری‌ها و تصمیم‌سازان

برای حرکت در مسیر شهر داده‌محور و افزایش خوش‌زیستی، مجموعه‌ای از اقدامات عملی می‌تواند راهگشا باشد. نخست آن‌که شهرداری‌ها باید مجموعه‌ای از شاخص‌های محلی خوش‌زیستی را تعریف کرده و آنها را به‌صورت مستمر پایش و در هر فصل منتشر کنند؛ شاخص‌هایی مانند کیفیت هوا، دسترسی به خدمات بهداشتی در ۱۵ دقیقه، سرانهٔ فضای سبز، رضایت شهروندان از حمل‌ونقل و میزان جرایم.

اقدام بعدی، اجرای پایلوت‌های کوچک و آزمون‌پذیر است؛ سیاست‌های داده‌محور باید ابتدا در یک منطقهٔ نمونه اجرا و اثرات آن بر پایهٔ داده‌های قبل و بعد سنجیده شود تا تصمیم‌گیری برای مقیاس‌پذیری بر اساس شواهد انجام گیرد. در کنار اینها، لازم است ظرفیت داده‌محور در شهرداری‌ها تقویت شود؛ ایجاد تیم تحلیل داده، همکاری با دانشگاه‌ها و بخش خصوصی و آموزش نیرو‌های موجود می‌تواند شکاف مهارتی را کاهش دهد. توصیهٔ مهم دیگر، ایجاد پلتفرم‌های دادهٔ باز و داشبورد‌های مشارکتی است؛ داده‌های غیرحساس باید در دسترس عموم قرار گیرد و شهروندان باید بتوانند روند شاخص‌های خوش‌زیستی را به‌صورت شفاف مشاهده کنند مدلی که UN-Habitat آن را در قالب «Urban Observatory» توصیه کرده است.

در نهایت، تدوین چارچوب حقوقی و اخلاقی روشن برای حفاظت از داده‌ها و تنظیم قرارداد‌های شفاف با شرکت‌های فناوری ضروری است تا مالکیت داده، محدودیت‌های استفاده و مسئولیت‌ها به‌روشنی مشخص باشد.

داده‌ها ابزار توانمندسازی برای خلق خوشزیستی شهری‌اند، اما خود به خود کافی نیستند. مسیر مؤثر از «داده» می‌گذرد، اما تا «عمل» فاصله دارد: شاخص‌سازی درست، آزمایش میدانی، شفافیت، مشارکت شهروندی و چارچوب‌های اخلاقی و حقوقی شرطِ لازم تبدیل تحلیل به سیاست‌های پایدار و عادلانه است. نهاد‌های بین‌المللی (OECD، UN-Habitat، World Bank و سازمان‌های پژوهشی) منابع و نمونه‌هایی ارائه کرده‌اند که شهرداری‌ها می‌توانند از آنها الگو بگیرند و در بستر محلی بومی‌سازی کنند.