در جستجوی بدیلی برای سیاست قرنطینه کامل: حکمرانی داده محور در مواجهه موثر با کوید-19

نوع مقاله : مقاله ترویجی

نویسندگان

1 کارشناسی ارشد علوم اجتماعی دانشگاه تهران، اندیشکدۀ حکمرانی شریف

2 دانشجوی دکتری علوم ارتباطات اجتماعی دانشگاه تهران، اندیشکدۀ حکمرانی شریف

3 دکتری علوم تصمی مگیری پژوهشکدۀ سیاست گذاری دانشگاه صنعتی شریف

چکیده

پس از ثبت اولین گزارش ها از شیوع ویروس کرونا به مرکزیت ووهان چین، این بیماری در بیش از صد کشور به صورت بحرانی گسترش یافت. بسیاری از کشورها به ویژه کشورهای جنوب شرق آسیا، ازجمله تایوان، کرۀ جنوبی، ژاپن و سنگاپور به مدیریت بحران داده نگر و مشخصاً دانش و فناوری داخلی در حوزۀ داده روی آوردند. به منظور طراحی و اجرای پروتکل های هوشمند مقابله با این ویروس، شرکت هایی همچون فیس بوک، گوگل، علی بابا، بایدو، هوآوی و به طور کلی دانشمندان و مهندسان داده تلاش بسیاری کرده اند. تحقیقات نشان داده است که در میان خروجی سیاست های مبتنی بر کلان دادۀ شهروندان و سیاست های مبتنی بر کنترل حداکثری فیزیکی آنان تفاوت هایی وجود دارد؛ در این مقاله درصدد بررسی، توصیف و تحلیل این تفاوت ها هستیم. اتخاذ هرگونه راهبرد تعاملی (داده محور) در برابر بحران، مستلزم مسئولیت اجتماعی و مشارکت درخور توجه شهروندان است و تحقیقات نشان می دهد موفقیت این نوع سیاست ها، به ویژه در شرایط غیرعادی (وضعیت استثنایی)، با مسائل فرهنگی، اقتصادی، اجتماعی و به ویژه مناسبات سیاسی زمینه مند پیوند تنگاتنگی دارد. در پژوهش حاضر ضمن بررسی اسناد و اطلاعات موجود دربارۀ کشورهایی که حکمرانی مبتنی بر کلان دادۀ شهروندان را محور مدیریت بحران کوید-19 قرار داده اند، به ارزیابی عملکرد آن ها در مدیریت بحران کرونا پرداخته شده است. همچنین تجربۀ نرم افزار ماسک از نظر نقاط ضعف و قوت در تحقق مدیریت داده محور بحران در کشور آسیب شناسی می شود. نرم افزار ماسک تنها نرم افزار مبتنی بر فناوری ردیابی هوشمند در ایران است که با استفاده از پایگاه دادۀ درگاه غربالگری آنلاین وزارت بهداشت و دادۀ خوداظهاری کاربران راه اندازی شد. آمار استفادۀ 90 درصدی مردم از اینترنت و استفادۀ 150 درصدی از تلفن همراه و تعداد سرانۀ پایانه های کارتخوان فروشگاهی (POS)، که به ازای هر هشت ایرانی یک دستگاه است، نشان می دهد یکی از سریع ترین گزینه های پیش روی مدیران بحران در کشور، دست کم در مراحل آغازین بحران، بهره گیری از قابلیت فناوری های نوظهور ازجمله کلان داده و هوش مصنوعی است.

کلیدواژه‌ها


عنوان مقاله [English]

In Search of an Alternative to "Strict Lockdown"; Data-driven Policies in the Face of COVID-19 Pandemic

نویسندگان [English]

  • Imad Payande 1
  • Zahra Majdizade 2
  • Hossein Mirzapour 3
1 GPTT
2 University of Tehran
3 Sharif Policy Research Institute (SPRI), Sharif University of Technology, Tehran, Iran
چکیده [English]

The world noticed an emerging virus in the Chinese city of Wuhan, in early January. At first, no one was concerned – officials said it was not infectious – so on Chinese New Year, it was considered a local problem that was published coincidentally. Today, after about 300 days of lockout, which is limited to the coronavirus outbreak's epicenter, it has spread all over the world, with every aspect of life, including the ruin of companies. Some countries faced the crisis preferring the use of big data governance over just maximum physical isolation. Notably, some Southeast Asian countries, such as Taiwan, South Korea, Japan, and Singapore, have adopted a set of smart strategies based on data science and disruptive techs to enhance the crisis management process. Past work indicates a major difference in terms of results and overall efficacy between the smart data-driven approach and the strict lockdown policy. This point of view attempts to address these gaps by making distinctions based on knowledge obtained from two approaches. Therefore, it holds a critical position on the extent of progress for each nation, which is the embeddedness of such an integrated strategy in both socio-cultural and political contexts. The paper investigates Iranian experiences of data-driven responses to COVID-19, namely Mask application and the Ministry of Health and Medical Education's online self-assessment, regarding their contribution to the crisis management process. Thus, it seems that integrating success around the problem mentioned above, threatening human existence, requires a cohesive governance strategy that allows people of the digital age to be mobilized for a public interest, social security, and public health.

کلیدواژه‌ها [English]

  • Data governance
  • Big data
  • COVID-19
  • Disruptive technologies
  • Crisis management
Boulos, M. N. K., Resch, B., Crowley, D. N., Breslin, J. G., Sohn, G., Burtner, R., Pike, W. A., Jezierski, E., & Chuang, K.-Y. S (2011). Crowdsourcing, citizen sensing and sensor web technologies for public and environmental health surveillance and crisis management: trends, OGC standards and application examples. International journal of health geographics, 10 (1), 67.
Crowley, J., & J. Chan (2011). Disaster relief 2.0: the future of information sharing in humanitarian emergencies, Harvard Humanitarian Initiative and UN Foundation-Vodafone Foundation-UNOCHA.
Dong, E., Du, H., & Gardner, L (2020).  An interactive web-based dashboard to track COVID-19 in real time. Thelancet, 20 (5), 533-534. DOI:https://doi.org/10.1016/S1473-3099(20)30120-1.
 
Gardner, L (2020). Mapping COVID-19. Johns Hopkins University:
 
Greene, T (2020). Alibaba’s new AI system can detect coronavirus in seconds with 96% accuracy. Thenextweb: https://thenextweb.com/neural/2020/03/02/alibabas-new-ai-system-can-detect-coronavirus-in-seconds-with-96-accuracy/.
Kingsley-Hughes, A (2020). Join the battle against COVID-19 coronavirus using your computer. Zdnet: https://www.zdnet.com/article/how-you-can-use-your-computer-to-help-fight-covid-19-coronavirus/
Palen, L., Vieweg, S., Sutton, J., Liu, S. B., & Hughes, A. L (2007). Crisis informatics: Studying crisis in a networked world. Proceedings of the Third International Conference on E-Social Science.
Qadir, J., Ali, A., Rasool, R., Zwitter, A., Sathiaseelan, A., & Crowcroft, J (2016). Crisis Analytics: Big Data Driven Crisis Response. Journal of International Humanitarian Action, 1. 10.1186/s41018-016-0013-9.
 
Rajkumar, S (2020). Novel Corona Virus 2019 Dataset. Kaggle:
 
Rapoport, A (1968). General system Theory. International Encyclopedia of social science, 15, 453.
Ray, T (2020). Google DeepMind’s effort on COVID-19 coronavirus rests on the shoulders of giants. Zdnet: https://www.zdnet.com/article/google-deepminds-effort-on-covid-19-coronavirus-rests-on-the-shoulders-of-giants/
Salathe, M., Bengtsson, L., Bodnar, T. J., Brewer, D. D., Brownstein, J. S., Buckee, C., Campbell, C. Cattuto, E. M., Khandelwal, S., & Mabry P. L (2012). Digital epidemiology. PLoS Comput Biol, 8(7), e1002616, 2012.
Scott, M (2020). Social media giants are fighting coronavirus fake news. It’s still spreading like wildfire. Politico: https://www.politico.com/news/2020/03/12/social-media-giants-are-fighting-coronavirus-fake-news-its-still-spreading-like-wildfire-127038.
Zhua, L., Anagondahallib, D., & Zhangc, A (2017). Social media and culture in crisis communication: McDonald’s and KFC crises management in China. Public Relations Review, 43, 487–492.
--- (2020). 2019-wuhan-coronavirus-data. Github: https://github.com/globalcitizen/2019-wuhan-coronavirus-data.
--- (2020). Americans Give Higher Ratings to South Korea and Germany Than U.S. for Dealing With Coronavirus. Pewresearch: https://www.pewresearch.org/global/2020/05/21/americans-give-higher-ratings-to-south-korea-and-germany-than-u-s-for-dealing-with-coronavirus/.
--- (2020). COVID-19 pandemic in Iran. Wikipediahttps://en.wikipedia.org/wiki/COVID-19_pandemic_in_Iran.
--- (2020). Dutch data scientists can predict Corona infections per country. Innovationorigins: https://innovationorigins.com/dutch-data-scientists-can-predict-corona-infections-per-country/.
 
--- (2020). Facebook says no to fake news, joins hands with WHO to combat misinformation about coronavirus. Economictimes:
--- (2020). Fighting Coronavirus COVID-19 with Data Science & Crowdsourcing: 3 Projects You Should Know About. Exxactcorp: https://blog.exxactcorp.com/fighting-coronavirus-covid-19-with-data-science-crowdsourcing-3-projects-you-should-know-about/.
--- (2020). Infervision in the Frontlines Against the Coronavirus. .itnonline: https://www.itnonline.com/content/infervision-frontlines-against-coronavirus.
--- (2020). Open-Source-COVID-19. Github: https://github.com/WeileiZeng/Open-Source-COVID-19.
 --- (2020). 'The new normal': China's excessive coronavirus public monitoring could be here to stay. The guardian:  https://www.theguardian.com/world/2020/mar/09/the-new-normal-chinas-excessive-coronavirus-public-monitoring-could-be-here-to-stay
--- (2020). The A flood of coronavirus apps are tracking us. Now it’s time to keep track of them. MIT Technology Review:  https://www.technologyreview.com/2020/05/07/1000961/launching-mittr-covid-tracing-tracker/
 
 
 
پاینده، ع (1399). معجزه فناوری در تایوان. روزنامه دنیای اقتصاد در تاریخ 07/02/1399.
حسینی، ح (1394). مقدمه­ای بر روش تحقیق در علوم انسانی. ماهنامه کار و جامعه، 187، 55-69.
سوری، ع (1394). اصول، مبانی و رویکردهای مدیریت بحران (با تأکید بر بحران­های اجتماعی). فصلنامه مدیریت بحران، 24. 98 – 139.
مک­کارتی، ش (1381). نقش اطلاعات در مدیریت بحران. تهران: انتشارات فرهنگ گفتمان.
نجاتی، ن (1399). طراحی داشبوردهای شهری- کشوری. روزنامه دنیای اقتصاد در تاریخ 07/02/1399.
دوره 10، شماره 2 - شماره پیاپی 31
فصلنامه سیاست نامه علم و فناوری با هدف داوری باز و شفاف (Open peer review (OPR)) نتایج داوری مقالات این شماره را در قسمت فایل های تکمیلی منتشر نموده است.
شهریور 1399
صفحه 59-73
  • تاریخ دریافت: 30 اردیبهشت 1399
  • تاریخ بازنگری: 21 مرداد 1399
  • تاریخ پذیرش: 03 شهریور 1399