تحليل البيانات الضخمة في إدارة الكوارث
DOI:
https://doi.org/10.33193/IJoHSS.74.2026.986الكلمات المفتاحية:
البيانات الضخمة، إدارة الكوارث، إدارة الأزمات، التحليلات التنبؤية، المرونة الذكية، الذكاء الاصطناعيالملخص
يتناول هذا البحث دور تحليل البيانات الضخمة في إدارة الكوارث والأزمات، في ظل تزايد وتيرة الكوارث الطبيعية والأزمات الإنسانية وشدتها، وقصور الممارسات التقليدية القائمة على الاستجابة اللاحقة ورد الفعل المتأخر. وتتمحور إشكالية البحث حول مدى قدرة تحليلات البيانات الضخمة والتقنيات التنبؤية على إحداث تحول جذري في فعالية منظومة إدارة الأزمات نحو النمذجة الاستباقية، وأبرز التحديات والممارسات التطبيقية التي تحكم مسار هذا التحول. واعتمد البحث على أحدث الدراسات الميدانية والتجارب العالمية، وجاء في ثلاثة مباحث: تناول الأول مفهوم البيانات الضخمة ودور التحليلات التنبؤية في التنبؤ بالكوارث، وتناول الثاني طرق جمع البيانات الضخمة من مصادرها المتعددة كالهواتف المحمولة وصور الأقمار الصناعية وإنترنت الأشياء والتعهيد الجماعي وما يرافقها من تحديات تقنية وأخلاقية، فيما تناول الثالث دور البيانات الضخمة في تحسين التخطيط والتنسيق أثناء الأزمات، مع مقارنة بين الأنظمة التقليدية والحديثة، واستعراض تجارب ناجحة مثل زلزال هايتي وإعصار هارفي وفيضانات باكستان، واستشراف الاتجاهات المستقبلية. وتوصل البحث إلى أن البيانات غير المنظمة تمثل أكثر من 80% من بيانات الأزمات، مما يجعل تقنيات التعلم العميق ومعالجة اللغة الطبيعية أدوات حتمية لاستخراج قيمتها، وأن منصات التواصل الاجتماعي تعمل بوصفها مستشعرات بشرية فعالة لتقييم الأثر السريع ورصد احتياجات الجمهور، وأن النماذج التنبؤية قادرة على توقع غرق الطرق وانقطاع الوصول إلى المستشفيات قبل وقوعه بما بين 4 و24 ساعة، في حين تمثل الخصوصية وأمن البيانات ونقص الكوادر المؤهلة أبرز التحديات. وأوصى البحث بضرورة بناء منصات حوسبة عالية الأداء، ووضع سياسات واضحة لحماية خصوصية المتضررين، وتفعيل مبادرات البيانات المفتوحة ومنصات تبادل البيانات الإنسانية لمنع تداخل الجهود، وردم فجوة المهارات عبر برامج تدريبية متخصصة، والاعتماد على الأنظمة الهجينة التي تجمع بين سرعة الآلة وخبرة الإنسان في التحقق من المعلومات وتفسيرها.
المراجع
1. أبو هلال، مروان موسى. (2023). أثر تحليل البيانات الضخمة على تحسين جودة المعلومات المحاسبية: دراسة ميدانية على البيئة الفلسطينية. مجلة الزرقاء للبحوث والدراسات الإنسانية، 23(3).
2. البكري، جواد كاظم، والدليمي، حيدر. (2025). الأساليب الحديثة في التنبؤ بالأزمات المالية. مجلة كلية الإدارة والاقتصاد للدراسات الاقتصادية والإدارية والمالية، 17(3).
3. بوعركي، هنادي، وآخرون. (2021). دور المجتمع الكويتي في التعامل مع البيانات الضخمة وانتشار فيروس كورونا. مجلة دراسات المعلومات والتكنولوجيا، 4(2).
4. خوان، جهيدة شاوش. (2022). تحليل البيانات الضخمة ومستقبل الدراسات الاجتماعية. مجلة العلوم الإنسانية، (2).
5. الدارودي، نهى بنت عوض. (2023). البيانات الضخمة ودورها في اتخاذ القرار. في أعمال المؤتمر والمعرض السنوي السادس والعشرين: التقنيات الناشئة وتطبيقاتها في المكتبات المتخصصة (فرع الخليج العربي).
6. العريشي، جبريل. (2020). استخدام البيانات الضخمة والذكاء الاصطناعي في مواجهة جائحة فيروس كورونا المستجد. المجلة العربية للدراسات الأمنية، 36(2).
7. الهاشمية، كوثر بنت محمد. (2019). إدارة البيانات الضخمة ومجالات استثمارها في المؤسسات الحكومية بسلطنة عمان [رسالة ماجستير، جامعة السلطان قابوس].
8. اليحيائية، خديجة. (2018). البيانات الضخمة: التحديات. المؤتمر الرابع والعشرون: البيانات الضخمة وآفاق استثمارها: الطريق نحو التكامل المعرفي.
1. Bouarki, H., et al. (2021). The role of Kuwaiti society in dealing with big data and the spread of the coronavirus. Journal of Information Studies & Technology, 4(2). (in Arabic)
2. Duc, H. M., & Ha, N. T. T. (2024). Enhancing disaster preparedness, emergency response and resource allocation using big data integration and predictive analytics. Journal of Big-Data Analytics and Cloud Computing, 9(1).
3. European Data Protection Supervisor. (2015). Opinion 7/2015: Meeting the challenges of big data: A call for transparency, user control, data protection by design and accountability. EDPS.
4. Gartner. (2012, October 22). Gartner says big data creates big jobs: 4.4 million IT jobs globally to support big data by 2015 [Press release]. Gartner, Inc.
5. Geczy, P. (2014). Big data characteristics. The Macrotheme Review, 3(6), 94–104.
6. Khouan, J. S. (2022). Big data analytics and the future of social studies. Journal of Human Sciences, (2). (in Arabic)
7. Qadir, J., Ali, A., ur Rasool, R., Zwitter, A., Sathiaseelan, A., & Crowcroft, J. (2016). Crisis analytics: Big data-driven crisis response. Journal of International Humanitarian Action, 1, Article 12. https://doi.org/10.1186/s41018-016-0013-9
8. Thabet, N., & Soomro, T. R. (2015). Big data challenges. Journal of Computer Engineering & Information Technology, 4(3). https://doi.org/10.4172/2324-9307.1000133
9. Tole, A. A. (2013). Big data challenges. Database Systems Journal, 4(3), 31–40.
10. Yuan, F., Fan, C., Farahmand, H., Coleman, N., Esmalian, A., Lee, C.-C., Patrascu, F. I., Zhang, C., Dong, S., & Mostafavi, A. (2022). Smart flood resilience: Harnessing community-scale big data for predictive flood risk monitoring, rapid impact assessment, and situational awareness. Environmental Research: Infrastructure and Sustainability, 2(2), Article 025006. https://doi.org/10.1088/2634-4505/ac7251
11. Zicari, R. V. (2013). Big data: Challenges and opportunities. In R. Akerkar (Ed.), Big data computing (pp. 103–128). Chapman and Hall/CRC.
التنزيلات
منشور
كيفية الاقتباس
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 محمد يوسف المفتاح
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
