إطار تعلّم آلي لتقييم متعدد الأبعاد لجودة الحياة الحضرية

لماذا حياة المدينة أكثر من مجرد مال

عندما نفكر في «مدينة جيدة» للعيش فيها، نميل إلى الاعتماد على أرقام بسيطة مثل متوسط الدخل أو أسعار المنازل. لكن الحياة اليومية تتشكل بدرجة مساوية من عوامل مثل الأمان، الهواء النظيف، وسائل النقل العام، الرعاية الصحية، وحتى شعورنا بالأمن تجاه المستقبل. تفحص هذه الدراسة 99 من أكثر المدن نمواً في العالم وتطرح سؤالاً: إذا أخذنا في الحسبان العديد من هذه المكوّنات معاً، هل يمكننا اكتشاف أنماط خفيّة تفسّر لماذا تبدو بعض الأماكن أكثر قابلية للعيش من غيرها — وكيف يمكن لقادة المدن أن يتعلّموا من بعضهم البعض؟

النظر إلى المدن من خلال عدسات متعددة

ينطلق الباحثون من نقاش طويل: هل يجب أن يُقاس مستوى جودة الحياة أساساً بوقائع ملموسة مثل الدخل والتعليم، أم بما يستطيع الناس تلبية تفضيلاتهم، أم بمشاعرهم اليومية تجاه الأمان والراحة والرضا؟ بدلاً من اختيار معسكر واحد، يجمع الفريق صراحةً بين الثلاثة. يستندون إلى تصنيفات رسمية عالمية لـ «القابلية للعيش» وكذلك إلى تقييمات جماعية من سكان المدن. تتضمن بياناتهم أحد عشر نوعاً من المقاييس، مُجمّعة في أربعة مجالات واسعة: عوامل مرتبطة بالمال مثل تكلفة المعيشة والإيجار وأسعار البقالة والقوة الشرائية؛ عوامل اجتماعية مثل التعليم والرعاية الصحية والسلامة والاستقرار السياسي؛ بنية تحتية مثل النقل والمرافق؛ وبينات بيئية مثل التلوث والنظافة، بالإضافة إلى حجم المدينة.

تعليم الحواسيب كيف تكتشف عائلات المدن

لأن كثيراً من هذه المقاييس تتحرك معاً — على سبيل المثال، المدن ذات أسعار البقالة المرتفعة عادة ما تكون أيضاً ذات تكاليف معيشة إجمالية عالية — استخدم المؤلفون أدوات إحصائية وتعلم آلي لفك التشابك. أولاً يوحّدون جميع الأرقام حتى يمكن مقارنة المدن بصورة عادلة، ثم يدخلونها في تقنية تسمى تحليل المركبات الرئيسية، التي تضغط المؤشرات الأحد عشر إلى ثلاثة «أبعاد» مركّبة. يعكس البعد الأول مؤشرات كلاسيكية للتنمية مثل المدارس والمستشفيات القوية والقدرة الشرائية (ما يسميه المؤلفون نظرة «معيارية»). يلتقط البعد الثاني كيف تبدو الحياة الحضرية فعلياً، جامعاً الأمان والاستقرار والبنية التحتية في بُعد «التجربة الفردية». يربط البعد الثالث بين عدد السكان وجودة البيئة في بُعد «البيئة البشرية»، مبرزاً مدى توازن المدينة بين النمو وبيئة صحية.

ثلاثة أنواع من المدن الناجحة

بوجود هذه الأبعاد الثلاثة، يستخدم الفريق بعد ذلك طريقة عنقودية ليرى أي المدن تشبه بعضها البعض بصورة عامة. تستقر الحواسيب عند ثلاث مجموعات مميزة. تجمع المجموعة الأولى مدناً غنية في أمريكا الشمالية وأوروبا وآسيا مثل فيينا وطوكيو وسان فرانسيسكو. تتألق هذه الأماكن في درجات جودة الحياة التقليدية لكنها تظهر أداءً مفاجئاً أضعف في تجربة المعيشة والتوازن البيئي، غالباً بمزيج من التكاليف المرتفعة وظروف الاكتظاظ وضعف الأمان اليومي أو النظافة أكثر مما قد يوحي به مستوى الثراء. تضم المجموعة الثانية العديد من المدن الأوروبية وقلة من مدن الخليج وشرق آسيا مثل كوبنهاغن وأبوظبي وتايبيه. تحقق هذه المدن ملفاً أكثر توازناً: أداء اقتصادي قوي مع أمان جيد وبنية تحتية قوية وظروف بيئية أفضل نسبياً.

المدن الصاعدة والقوى المخفية

تتكوّن المجموعة الثالثة في الغالب من مدن كبيرة في اقتصادات ناشئة عبر آسيا وأفريقيا وأمريكا اللاتينية، بما في ذلك مومباي ونيروبي وساو باولو. على مقاييس تقليدية مثل الدخل والتعليم والإنفاق على الصحة، تتخلف هذه الأماكن عن المجموعتين الأوليين. ومع ذلك تكشف التحليلات عن نقاط قوة أقلّ تقديراً: درجات معتدلة في الأبعاد التجريبية والبيئية تشير إلى أن بعض هذه المدن توفر أماناً يومياً أو جودة بيئية أفضل مما قد تتنبأ به مستويات دخلها وحدها، أو على الأقل تدير ضغوط السكان بفعالية أكثر من المتوقع. لفهم أي المكوّنات تفرّق بين المجموعات أكثر، يدرب المؤلفون نماذج أشجار قرار ونماذج تعزيز — أشكال بسيطة من الذكاء الاصطناعي. تبرز هذه النماذج الاستقرار السياسي كالفاصل الرئيسي، يتبعه التعليم وجودة البيئة ومستويات الإيجار والبنية التحتية، مما يشير إلى نقاط تأثير يمكن للسياسة أن تُحدث فيها أكبر فرق.

ماذا يعني هذا للناس وصانعي القرار

لغير المتخصصين، الرسالة الأساسية هي أن رفاهية المدينة لا يمكن اختزالها في الرواتب أو الناتج المحلي الإجمالي. بعض المدن عالية الدخل لا تزال تكافح لتوفير حياة يومية آمنة ومريحة وصحية بيئياً، بينما تُظهر عواصم أكبر دخل أقل نقاط قوة مفاجئة في تلك الجوانب. من خلال تجميع المدن ذات الملفات المشابهة، تقدم الدراسة خارطة طريق لتعلّم «المدن الشقيقة»: فالأماكن في نفس المجموعة يمكنها تبادل استراتيجيات لمواجهة تحديات مشتركة، وتستطيع المدن في مجموعات مختلفة دراسة كيف حقق الآخرون توازناً أفضل بين المال والخدمات والأمان والبيئة. في نهاية المطاف، يجادل المؤلفون بأن التخطيط الحضري المستقبلي يجب أن يستخدم مثل هذه الأدوات متعددة الأبعاد للتقدم إلى ما وراء النمو بأي ثمن والسعي بدلاً من ذلك إلى مدن ترتفع فيها الازدهار والتجربة اليومية والصحة البيئية معاً.

الاستشهاد: Ahmed, A.A.A., Abdelghafur, Y., Ahmed, Y. et al. Machine learning framework for multidimensional assessment of urban quality of life. Sci Rep 16, 12568 (2026). https://doi.org/10.1038/s41598-026-41350-4

الكلمات المفتاحية: جودة الحياة الحضرية, تجمعات المدن, تعلّم آلي, مؤشرات القابلية للعيش, السياسة الحضرية