۱. معرفی مقاله و اهمیت آن

مقاله علمی حاضر با عنوان «شاخص‌های تنوع، انصاف، شمول و دسترس‌پذیری (DEIA) برای سیستم‌های حمل‌ونقل با استفاده از داده‌های شبکه‌های اجتماعی: مطالعه موردی نیویورک در دوران همه‌گیری کووید-۱۹»، به بررسی چگونگی شناسایی و ارزیابی مسائل مربوط به تنوع، انصاف، شمول و دسترس‌پذیری در سیستم‌های حمل‌ونقل شهری می‌پردازد. این تحقیق به ویژه با تمرکز بر روی شهر نیویورک و در طول دوره بحرانی همه‌گیری کووید-۱۹، رویکردی نوین و مبتنی بر داده‌های شبکه‌های اجتماعی را برای این منظور ارائه می‌دهد.

اهمیت این مطالعه از آنجا نشأت می‌گیرد که سیاست‌های حمل‌ونقل گذشته، به ویژه آن‌هایی که گسترش بزرگراه‌ها را بر توسعه حمل‌ونقل عمومی اولویت داده‌اند، تأثیرات نامتناسبی بر اقلیت‌ها و افراد کم‌درآمد داشته‌اند. این سیاست‌ها با محدود کردن دسترسی آن‌ها به فرصت‌های اجتماعی و اقتصادی، منجر به تشدید تفکیک‌های محله‌ای و نابرابری‌های عمیق‌تر شده‌اند. در نتیجه، نیاز به ساخت یک سیستم حمل‌ونقل که اصول DEIA (Diversity, Equity, Inclusion, and Accessibility) را در هسته خود جای دهد، به شدت احساس می‌شود. این اصول شامل:

• تنوع (Diversity): به معنی وجود طیف وسیعی از افراد با پیشینه‌ها، ویژگی‌ها و نیازهای مختلف.
• انصاف (Equity): به معنی فراهم آوردن دسترسی و فرصت‌های عادلانه برای همه، با در نظر گرفتن نیازهای متفاوت گروه‌های مختلف.
• شمول (Inclusion): به معنی ایجاد محیطی که در آن همه افراد احساس ارزشمندی، احترام و تعلق خاطر کنند.
• دسترس‌پذیری (Accessibility): به معنی طراحی و ارائه خدماتی که برای افراد با توانایی‌های مختلف، از جمله افراد دارای معلولیت، قابل استفاده باشند.

به طور سنتی، شناسایی این شاخص‌ها از طریق نظرسنجی‌ها و مطالعات میدانی انجام می‌شد که فرآیندهایی زمان‌بر و پرهزینه هستند. این محدودیت‌ها اغلب باعث می‌شدند که صدای تمامی اقشار جامعه، به ویژه گروه‌های حاشیه‌نشین، به خوبی شنیده نشود. این مقاله با بهره‌گیری از داده‌های عظیم شبکه‌های اجتماعی، به دنبال ارائه یک جایگزین کارآمد و مقرون‌به‌صرفه برای روش‌های سنتی است تا با تحلیل واکنش‌ها و دیدگاه‌های عمومی، شاخص‌های پنهان DEIA را آشکار سازد و بینش‌های ارزشمندی را برای برنامه‌ریزان و سیاست‌گذاران حمل‌ونقل فراهم آورد.

۲. نویسندگان و زمینه تحقیق

این پژوهش توسط فریحه نازنین ریستا (Fariha Nazneen Rista)، خنداکر ال مومین (Khondhaker Al Momin) و عارف مهاجمین صدری (Arif Mohaimin Sadri) انجام شده است. نام نویسندگان حاکی از تخصص آن‌ها در حوزه‌هایی نظیر مهندسی حمل‌ونقل، علم داده، پردازش زبان طبیعی، شهرسازی و شبکه‌های اجتماعی است. تخصص مشترک این پژوهشگران در زمینه شبکه‌های اجتماعی و اطلاعاتی (Social and Information Networks) به آن‌ها امکان می‌دهد تا از روش‌های پیشرفته تحلیل داده برای درک پویایی‌های اجتماعی و رفتارهای انسانی در مقیاس وسیع بهره‌برداری کنند.

زمینه‌ی تحقیق مقاله به تقاطع مسائل اجتماعی، برنامه‌ریزی شهری، حمل‌ونقل و فناوری اطلاعات مربوط می‌شود. با توجه به افزایش استفاده از پلتفرم‌های شبکه‌های اجتماعی، این پلتفرم‌ها به گنجینه‌ای از داده‌های غنی تبدیل شده‌اند که می‌توانند دیدگاه‌های عمومی و مسائل پنهان در جوامع را منعکس کنند. پژوهشگران در این مطالعه تلاش کرده‌اند تا شکاف موجود در ادبیات علمی را پر کنند؛ به این معنی که با وجود توجه اخیر به بهره‌برداری از داده‌های شبکه‌های اجتماعی در حوزه حمل‌ونقل، هنوز اجماع قاطعی در مورد استفاده از این داده‌ها به عنوان یک جایگزین معتبر برای منابع سنتی در شناسایی شاخص‌های DEIA بر اساس واکنش‌ها و دیدگاه‌های عمومی وجود نداشت. این مطالعه با انتخاب دوره همه‌گیری کووید-۱۹، که محدودیت‌های شدید حرکت و تغییر الگوهای حمل‌ونقل را به همراه داشت، به نوعی یک آزمایش طبیعی را برای بررسی دقیق‌تر تأثیرات بر گروه‌های آسیب‌پذیر فراهم آورد.

۳. چکیده و خلاصه محتوا

این مطالعه به منظور شناسایی شاخص‌های تنوع، انصاف، شمول و دسترس‌پذیری (DEIA) در سیستم‌های حمل‌ونقل، به بررسی داده‌های شبکه‌های اجتماعی می‌پردازد. پژوهشگران با اذعان به اینکه سیاست‌های حمل‌ونقل گذشته اغلب به ضرر اقلیت‌ها و افراد کم‌درآمد بوده و دسترسی آن‌ها را به فرصت‌های اجتماعی و اقتصادی محدود کرده است، به لزوم ایجاد یک سیستم حمل‌ونقل DEIA-محور تأکید می‌کنند. در حالی که روش‌های سنتی مبتنی بر نظرسنجی پرهزینه و زمان‌بر هستند، هدف این مطالعه ارزیابی پتانسیل داده‌های شبکه‌های اجتماعی به عنوان یک منبع جایگزین برای شناسایی این شاخص‌ها است.

برای پر کردن این شکاف تحقیقاتی، این پژوهش از حجم عظیمی از داده‌های توییتر (X) جمع‌آوری شده از هشت شهرستان اطراف منطقه شهر نیویورک (NYC) در طول فاز اولیه قرنطینه کووید-۱۹ استفاده کرده است. تکنیک‌های پردازش زبان طبیعی (Natural Language Processing – NLP) برای تحلیل مکالمات توییتری مرتبط با حمل‌ونقل به کار گرفته شدند تا مسائل عمده DEIA برای ساکنان این مناطق شناسایی شوند.

نتایج کلیدی مطالعه نشان داد که شهروندانی که احساسات منفی نسبت به DEIA در سیستم حمل‌ونقل محلی خود داشتند، به طور گسترده به مباحثی نظیر نژادپرستی، درآمد، بیکاری، جنسیت، وابستگی به وسایل حمل‌ونقل (مثلاً تاکسی یا خودروهای اشتراکی)، انواع حالت‌های حمل‌ونقل (عمومی در مقابل خصوصی) و گروه‌های وابسته (مانند افراد مسن یا معلول) اشاره کرده‌اند. علاوه بر این، با تحلیل اطلاعات اجتماعی-جمعیتی بر اساس بلوک‌های سرشماری، مشاهده شد که مناطقی با درصد بالاتری از جمعیت کم‌درآمد، زنان، اسپانیایی‌تبارها و لاتین‌تبارها، نگرانی‌های بیشتری در مورد DEIA حمل‌ونقل در توییتر ابراز کرده‌اند. این یافته‌ها به وضوح نشان می‌دهد که داده‌های شبکه‌های اجتماعی می‌توانند ابزاری قدرتمند برای درک بهتر نیازها و چالش‌های گروه‌های آسیب‌پذیر در سیستم‌های حمل‌ونقل باشند.

۴. روش‌شناسی تحقیق

رویکرد روش‌شناختی این مطالعه بر دو رکن اصلی استوار بود: جمع‌آوری داده‌های گسترده از شبکه‌های اجتماعی و تحلیل هوشمندانه آن‌ها با استفاده از تکنیک‌های پردازش زبان طبیعی (NLP)، سپس اتصال این تحلیل‌ها به داده‌های دموگرافیک رسمی. این ترکیب، امکان شناسایی دقیق‌تر و جامع‌تر شاخص‌های DEIA را فراهم آورد.

• جمع‌آوری داده‌ها:

  پژوهشگران از داده‌های گسترده توییتر (اکنون X) استفاده کردند. این داده‌ها شامل توییت‌هایی بود که از هشت شهرستان اطراف منطقه کلان‌شهر نیویورک (NYC) در طول فاز اولیه قرنطینه ناشی از همه‌گیری کووید-۱۹ جمع‌آوری شده بودند. انتخاب این دوره زمانی خاص، بسیار استراتژیک بود، زیرا محدودیت‌های حرکتی و تغییرات ناگهانی در الگوهای حمل‌ونقل در دوران همه‌گیری، اغلب نابرابری‌های موجود در دسترسی به حمل‌ونقل را تشدید کرده و به این ترتیب، نارضایتی‌ها و نگرانی‌های عمومی در مورد DEIA را برجسته‌تر می‌کند. حجم بالای داده‌ها (داده‌های بزرگ) امکان شناسایی الگوها و روندهای آماری معنادار را فراهم آورد.

• پردازش زبان طبیعی (NLP):

  تکنیک‌های پیشرفته NLP برای تحلیل محتوای توییت‌های مرتبط با حمل‌ونقل به کار گرفته شدند. این تکنیک‌ها شامل:

  • تحلیل احساسات (Sentiment Analysis): برای شناسایی احساسات مثبت، منفی یا خنثی کاربران نسبت به سیستم حمل‌ونقل. توییت‌های با احساس منفی مورد توجه ویژه قرار گرفتند، زیرا به احتمال زیاد حاوی اطلاعاتی در مورد مشکلات DEIA بودند.
  • استخراج کلمات کلیدی و عبارات مهم: برای شناسایی موضوعات و نگرانی‌های اصلی که کاربران در مورد حمل‌ونقل بیان می‌کردند.
  • مدل‌سازی موضوعی (Topic Modeling): برای کشف موضوعات پنهان و الگوهای تکرارشونده در حجم عظیمی از متن‌های نامنظم. این به محققان کمک کرد تا “مسائل اصلی DEIA مرتبط با حمل‌ونقل” را شناسایی کنند.

  به عنوان مثال، NLP می‌توانست به طور خودکار توییت‌هایی مانند “اتوبوس‌ها در محله ما دیر می‌رسند و باعث می‌شود من دیر به کار برسم، مخصوصاً چون وسیله دیگری ندارم” را به عنوان نشانه‌ای از مشکل در دسترسی و انصاف برای افراد کم‌درآمد طبقه‌بندی کند.

• تحلیل اجتماعی-جمعیتی:

  یکی از نوآوری‌های مهم این مطالعه، ادغام داده‌های شبکه‌های اجتماعی با اطلاعات اجتماعی-جمعیتی مبتنی بر بلوک‌های سرشماری بود. این امکان را فراهم آورد تا محققان نه تنها “چه کسی” درباره DEIA صحبت می‌کند، بلکه “از کجا” و با چه ویژگی‌های جمعیتی صحبت می‌کند را نیز درک کنند. با مرتبط کردن مکان توییت‌ها (در صورت وجود) یا مکان زندگی کاربران (با استنباط از اطلاعات موجود) به داده‌های سرشماری، امکان شناسایی همبستگی بین نگرانی‌های DEIA و ویژگی‌های جمعیتی خاص مانند سطح درآمد، جنسیت، و قومیت فراهم شد.

این روش‌شناسی قوی و چندوجهی به پژوهشگران اجازه داد تا از محدودیت‌های روش‌های سنتی فراتر رفته و تصویری جامع‌تر و دقیق‌تر از چالش‌های DEIA در سیستم حمل‌ونقل نیویورک ارائه دهند.

۵. یافته‌های کلیدی

این مطالعه توانست با تحلیل داده‌های توییتر، بینش‌های مهمی در مورد شاخص‌های DEIA در سیستم حمل‌ونقل نیویورک به دست آورد. یافته‌های اصلی به دو دسته تقسیم می‌شوند:

• مسائل عمده DEIA شناسایی شده:

  بر اساس تحلیل احساسات منفی کاربران نسبت به DEIA حمل‌ونقل محلی‌شان، مجموعه‌ای از موضوعات و نگرانی‌های کلیدی شناسایی شد. این مسائل، مشکلات عمیق‌تری را در سیستم حمل‌ونقل آشکار می‌سازند که فراتر از تأخیرهای ساده یا ازدحام هستند:

  • نژادپرستی (Racism): تجربیات یا مشاهدات کاربران از تبعیض نژادی در حمل‌ونقل عمومی، چه از سوی کارکنان و چه از سوی سایر مسافران. این می‌تواند شامل عدم امنیت، احساس ناخوشایند، یا تبعیض در ارائه خدمات باشد.
  • درآمد و بیکاری (Income and Unemployment): نگرانی‌ها در مورد هزینه بالای حمل‌ونقل عمومی یا عدم دسترسی به گزینه‌های حمل‌ونقل مقرون‌به‌صرفه، به ویژه برای افرادی که درآمد کمتری دارند یا شغل خود را از دست داده‌اند. به عنوان مثال، هزینه‌های بالای بلیط یا عدم پوشش مسیرهای حیاتی برای دسترسی به مراکز کار کم‌دستمزد.
  • جنسیت (Gender): نگرانی‌های مربوط به امنیت زنان در حمل‌ونقل عمومی، مزاحمت‌ها، یا عدم رعایت حریم خصوصی. همچنین، ممکن است شامل مشکلات زنان سرپرست خانوار با دسترسی به حمل‌ونقل در ساعات غیرمعمول یا با کودکان باشد.
  • وابستگی به وسایل حمل‌ونقل (Ride Dependency): اشاره به مشکلاتی که افراد بدون وسیله نقلیه شخصی (یا ناتوان از رانندگی) با آن مواجه هستند؛ مانند عدم کارایی حمل‌ونقل عمومی در برخی مناطق، یا وابستگی بیش از حد به تاکسی‌ها یا خدمات اشتراک سفر که می‌تواند پرهزینه باشد.
  • حالت‌های حمل‌ونقل (Transportation Modes): مقایسه‌ها و نارضایتی‌ها از کیفیت، دسترس‌پذیری یا کارایی یک حالت حمل‌ونقل (مثلاً اتوبوس) در مقایسه با دیگری (مثلاً مترو) یا عدم وجود گزینه‌های متنوع و مناسب در تمامی مناطق.
  • گروه‌های وابسته (Dependent Groups): اشاره به چالش‌های خاصی که افراد مسن، افراد دارای معلولیت، یا والدین با کودکان خردسال در استفاده از سیستم حمل‌ونقل دارند. به عنوان مثال، عدم وجود رمپ‌های کافی برای ویلچر، آسانسورهای خراب در ایستگاه‌ها، یا نبود فضای کافی برای کالسکه.

• همبستگی‌های اجتماعی-جمعیتی:

  یکی از برجسته‌ترین یافته‌ها، همبستگی قوی بین نگرانی‌های DEIA در توییتر و ویژگی‌های جمعیتی خاص بود. مطالعه نشان داد که مناطقی با درصد بالاتری از جمعیت کم‌درآمد، زنان، اسپانیایی‌تبارها و لاتین‌تبارها، نگرانی‌های قابل توجهی بیشتری را در مورد مسائل DEIA حمل‌ونقل ابراز کرده‌اند. این یافته‌ها اعتبار این فرضیه را تأیید می‌کند که گروه‌های حاشیه‌نشین و آسیب‌پذیر، بیشترین تأثیر را از نابرابری‌ها در سیستم حمل‌ونقل می‌پذیرند و شبکه‌های اجتماعی می‌توانند بستری برای انعکاس صدای آن‌ها باشند.

  این نتیجه، بینش‌های مهمی را برای سیاست‌گذاران فراهم می‌آورد؛ زیرا نشان می‌دهد که چگونه مسائل حمل‌ونقل می‌توانند با ساختارهای اجتماعی گسترده‌تر نابرابری در هم آمیخته باشند. به عنوان مثال، در یک منطقه با درصد بالایی از جمعیت کم‌درآمد و اسپانیایی‌تبار، احتمالاً مشکلات مربوط به دسترس‌پذیری و انصاف در حمل‌ونقل (مانند کمبود مسیرهای اتوبوس در ساعات غیراداری که برای کارگران شیفتی حیاتی است) با شدت بیشتری تجربه می‌شوند و نیاز به راهکارهای هدفمندتری دارند.

به طور خلاصه، این یافته‌ها نه تنها مسائل خاصی را برجسته می‌کنند، بلکه اعتبار شبکه‌های اجتماعی را به عنوان یک منبع داده معتبر برای شناسایی نابرابری‌های عمیق در زیرساخت‌های شهری، به ویژه در شرایط بحرانی، اثبات می‌کنند.

۶. کاربردها و دستاوردها

این مطالعه فراتر از شناسایی صرف مشکلات، دستاوردهای عملی و کاربردهای گسترده‌ای برای برنامه‌ریزان، سیاست‌گذاران و متخصصان حمل‌ونقل به همراه دارد:

• تدوین سیاست‌های آگاهانه و هدفمند:

  یافته‌های این تحقیق می‌توانند به سیاست‌گذاران کمک کنند تا درک عمیق‌تری از نیازهای واقعی و نگرانی‌های خاص گروه‌های مختلف جامعه داشته باشند. به جای تکیه بر مفروضات کلی، آن‌ها اکنون می‌توانند سیاست‌های حمل‌ونقل را بر اساس شواهد واقعی از تجربیات مردم، به ویژه گروه‌های آسیب‌پذیر، تنظیم کنند. به عنوان مثال، اگر داده‌های توییتر نشان می‌دهد که زنان در مناطق خاصی از ناامنی در شبکه‌های حمل‌ونقل عمومی در ساعات شبانه شکایت دارند، سیاست‌گذاران می‌توانند اقدامات امنیتی مانند افزایش روشنایی، نصب دوربین‌های بیشتر، یا افزایش حضور نیروهای امنیتی را در آن مسیرها در اولویت قرار دهند.

• برنامه‌ریزی زیرساخت‌های حمل‌ونقل جامع‌تر:

  برنامه‌ریزان شهری می‌توانند از این داده‌ها برای طراحی سیستم‌های حمل‌ونقل جامع‌تر و فراگیرتر استفاده کنند. این شامل طراحی مسیرهای اتوبوس یا مترو که به طور مؤثرتری به مناطق کم‌درآمد و اقلیت‌نشین خدمات‌رسانی می‌کنند، اطمینان از دسترس‌پذیری ایستگاه‌ها برای افراد دارای معلولیت (مانند رمپ‌ها و آسانسورهای کارآمد)، یا ایجاد گزینه‌های حمل‌ونقل انعطاف‌پذیرتر برای گروه‌های وابسته می‌شود.

• ابزاری کارآمد و مقرون‌به‌صرفه:

  مهم‌ترین دستاورد این تحقیق، اثبات این است که داده‌های شبکه‌های اجتماعی می‌توانند به عنوان یک جایگزین معتبر و مقرون‌به‌صرفه برای روش‌های سنتی جمع‌آوری داده‌ها (مانند نظرسنجی‌ها و مطالعات میدانی) عمل کنند. این امر به ویژه برای شهرداری‌ها و سازمان‌های حمل‌ونقل با بودجه محدود، بسیار ارزشمند است. با پایش مداوم شبکه‌های اجتماعی، می‌توان به صورت لحظه‌ای به بازخوردها و مشکلات جدید واکنش نشان داد و نیازی به صرف زمان و هزینه زیاد برای پروژه‌های نظرسنجی گسترده نخواهد بود.

• شناسایی مسائل پنهان:

  شبکه‌های اجتماعی به دلیل ماهیت آزادانه و امکان ابراز عقیده ناشناس‌تر، می‌توانند مسائلی را آشکار کنند که در نظرسنجی‌های رسمی ممکن است پنهان بمانند. نگرانی‌هایی مانند نژادپرستی یا تبعیض جنسیتی، ممکن است در محیط‌های رسمی کمتر بیان شوند، اما در فضای مجازی با صراحت بیشتری به آن‌ها پرداخته شود.

• توسعه تحقیقات آینده:

  این مطالعه راه را برای تحقیقات بیشتر باز می‌کند. می‌توان این رویکرد را در سایر شهرها، مناطق جغرافیایی و در سایر سیستم‌های زیرساختی (مانند خدمات بهداشتی یا آموزشی) نیز به کار برد. همچنین، تحقیقات آتی می‌توانند به دنبال اعتبارسنجی بیشتر یافته‌های شبکه‌های اجتماعی با داده‌های سنتی‌تر باشند تا اطمینان از دقت و قابلیت اعتماد روش‌های مبتنی بر داده‌های بزرگ را افزایش دهند.

در نهایت، این تحقیق یک ابزار قدرتمند جدید برای حرکت به سمت شهرهایی هوشمندتر و عادلانه‌تر ارائه می‌دهد؛ شهرهایی که در آن‌ها صدای همه شهروندان شنیده می‌شود و سیستم‌های حمل‌ونقل به طور عادلانه و فراگیر به نیازهای آن‌ها پاسخ می‌دهند.

۷. نتیجه‌گیری

مقاله “شاخص‌های تنوع، انصاف، شمول و دسترس‌پذیری (DEIA) برای سیستم‌های حمل‌ونقل با استفاده از داده‌های شبکه‌های اجتماعی: مطالعه موردی نیویورک در دوران همه‌گیری کووید-۱۹”، گامی مهم در جهت نوین‌سازی فرآیندهای شناسایی و ارزیابی نابرابری‌ها در سیستم‌های حمل‌ونقل شهری است. این پژوهش به وضوح نشان می‌دهد که داده‌های عظیم شبکه‌های اجتماعی، به ویژه در شرایط بحرانی مانند همه‌گیری، منبعی ارزشمند و کمتر بهره‌برداری شده برای درک عمیق‌تر از تجربیات و چالش‌های کاربران حمل‌ونقل هستند.

با استفاده از تکنیک‌های پردازش زبان طبیعی (NLP) بر روی داده‌های توییتر، محققان توانستند مسائل پنهان و حساس مرتبط با DEIA را که اغلب در روش‌های سنتی نادیده گرفته می‌شوند، آشکار سازند. این مسائل شامل نژادپرستی، نابرابری‌های درآمدی، چالش‌های جنسیتی، وابستگی به وسایل حمل‌ونقل خاص و مشکلات گروه‌های آسیب‌پذیر می‌شود. از همه مهم‌تر، این مطالعه همبستگی معناداری را بین این نگرانی‌ها و ویژگی‌های اجتماعی-جمعیتی خاص، از جمله جمعیت‌های کم‌درآمد، زنان، و اقلیت‌های قومی، نشان داد.

دستاورد اصلی این پژوهش، تأیید قابلیت استفاده از شبکه‌های اجتماعی به عنوان یک ابزار کارآمد، مقرون‌به‌صرفه و به موقع برای شناسایی شاخص‌های DEIA است. این رویکرد نوین، این پتانسیل را دارد که فرآیندهای برنامه‌ریزی و سیاست‌گذاری حمل‌ونقل را متحول سازد و به ایجاد سیستم‌هایی منجر شود که حقیقتاً تنوع، انصاف، شمول و دسترس‌پذیری را برای تمامی شهروندان در اولویت قرار دهند. در عصری که حجم عظیمی از داده‌ها تولید می‌شود، بهره‌برداری هوشمندانه از این داده‌ها می‌تواند کلید ساخت شهرهایی باشد که برای همه ساکنان خود عادلانه‌تر، فراگیرتر و قابل زندگی‌تر هستند.

این تحقیق نه تنها یک گام به جلو در حوزه مهندسی حمل‌ونقل و علم داده است، بلکه یادآور اهمیت شنیدن صدای تمامی اعضای جامعه، به ویژه آنانی که در حاشیه قرار گرفته‌اند، در فرآیندهای تصمیم‌گیری شهری است.