مقدمه
در طول سالیان گذشته با افزایش یافتن تولید گازهای گلخانه‌ای، امکان ایجاد سوانح طبیعی ازجمله بارندگی‌های سیل‌آسا، موج گرما، آتش‌سوزی وسیع در جنگل‌ها و غیره در بسیاری از کشورها افزایش یافته است (چن و همکاران، 2021). این حوادث باعث گردیده بسیاری از افراد در جهان در معرض این سوانح طبیعی قرار بگیرند. چنانچه در جهان در سال 2018، 17/2 میلیون نفر به‌واسطه خسارات ناشی از سوانح طبیعی از خانه‌های خود و یا محل زندگی خود آواره گردیده‌اند (فولر، 2020). هزینه‌های جبران خسارات و سوانح طبیعی در جهان همواره بسیار بالاست؛ چنان‌که طبق آمار، حدود 250 میلیارد دلار امریکا در هر سال به‌واسطه خسارات ناشی از سوانح طبیعی به کشورهای مختلف خسارت وارد می‌شود (مدگیل و همکاران، 2020) که این رقم برای کشورهای کمتر توسعه‌یافته بسیار بالاست و سبب می‌گردد فقر درون جوامع بالاتر رفته و زمینه برای اقدامات فسادآلود ناشی از فقر بالاتر رود (سپولودا و همکاران، 2021). ایجاد سوانح طبیعی همچنین می‌تواند به بازار سرمایه در یک کشور تأثیر بگذارد و با یک تغییر در روند سرمایه‌ای، تا حدودی نظم در معاملات جهانی را نیز دچار اخلال نماید (کنگ و همکاران، 2021). 
جدای از فقر و آوارگی، سوانح طبیعی به‌عنوان یکی از اصلی‌ترین حوادث مرگبار جمعی در جهان شناخته می‌شود؛ به‌عنوان‌مثال، طوفان آیدای در سال 2019، جان 1300 تن را گرفت و 1/5 میلیون نفر را آواره ساخت (چیکدوزی و خومالو، 2021). در سال 2018، زمین لرزه سولاوسی و سونامی اندونزی روی هم بیش از 4300 نفر را کشت و حدود 165000 نفر را بی‌خانمان کرد (ساسا و تاکاگاوا، 2019). در سال 2015 در نپال، زمین لرزه خسارات 10 میلیارد دلاری بر جای گذاشت و بر زندگی 100 هزار نفر از ساکنین این کشور اثرگذار بود (شاکیا و همکاران، 2022). همچنین در سال 2018، کشور فیلیپین 6 و نیم میلیون نفر از جمعیت خود را درگیر سوانح طبیعی یافت و خدمات‌رسانی مناسب در بدو ایجاد سوانح طبیعی را مورد بررسی قرار داد (ادواردز و همکاران، 2021). با وجود عدم توانایی بشر در پیش‌بینی و یا جلوگیری از سوانح طبیعی، جوامع می‌توانند با مدیریت صحیح بعد از حوادث طبیعی، اثرات و لطمات جانی و مالی به‌وجودآمده پس از سوانح طبیعی را به نحوی مؤثر کنترل نمایند (آرانسون استورییر، 2017).
 اقدامات مختلف دولت‌ها، سازمان‌های بشردوستانه، ادارات دولتی و خصوصی محلی، مردم و غیره در زمان وقوع سانحه و پس از آن می‌تواند کلید کاهش اثرات جانی و مالی وارده بر افراد گرفتار از سوانح طبیعی باشد (المنجی و همکاران، 2021). اقدامات صورت‌گرفته در مراحل اتفاق سوانح طبیعی و پس از آن در صورتی‌که از کیفیت مطلوب برخوردار باشند، قادر خواهد بود زمینه کاهش خسارات مالی و جانی را فراهم آورد (پالییاگورو و آماراتونگا، 2008). براین‌اساس نیاز روزافزونی به مدیریت کیفیت در حوزه مدیریت امداد سوانح طبیعی وجود دارد. مدیریت کیفیت در سوانح طبیعی را می‌توان میزان دستیابی به اهداف ازپیش‌تعیین‌شده در حوزه مدیریت سوانح طبیعی دانست (بحرین و همکاران، 2009). همچنین مدیریت کیفیت در سوانح طبیعی را می‌توان در قالب شاخص‌هایی چون امنیت و ایمنی تیم‌های نجات، حفاظت از افراد آسیب‌دیده، رضایت آنان از خدمات‌رسانی و دقت در انجام وظایف توسط کادر اجرایی تعریف کرد (ساکورای و مورایاما، 2019). اهمیت این شاخص‌ها زمانی آشکار می‌شود که به آمار جهانی سوانح طبیعی توجه کنیم، چراکه هر ساله میلیون‌ها نفر در سراسر جهان تحت تأثیر سوانح طبیعی قرار می‌گیرند و هزاران نفر جان خود را از دست می‌دهند. بررسی‌های بین‌المللی نشان می‌دهد کشورهایی که چارچوب‌های مدیریت کیفیت را در نظام امدادرسانی خود به‌ کار گرفته‌اند، توانسته‌اند با ارتقای ایمنی تیم‌های نجات، افزایش رضایت آسیب‌دیدگان و بهبود دقت عملیات، میزان تلفات و خسارات ناشی از سوانح را به شکل چشمگیری کاهش دهند؛ برای‌نمونه، تجربه‌ به‌کارگیری اصول مدیریت کیفیت در زنجیره‌های تأمین بشردوستانه پس از زلزله هائیتی 2010 نشان داد استانداردسازی فرایندها و کنترل کیفیت خدمات، سرعت و اثربخشی عملیات امدادرسانی را به‌طور قابل‌توجهی افزایش داده و از میزان خسارات ثانویه کاسته است (ساسا و تاکاگاوا، 2019).
ازسوی‌دیگر، براساس گزارش سال 2004 برنامه عمران سازمان ملل متحد، ایران در 12  سال گذشته بیشترین آمار کشته‌شدگان سالیانه ناشی از زلزله را در سطح جهان داشته است. در همین گزارش اشاره شده که جمهوری اسلامی ایران یکی از 15 کشور سانحه‌خیز دنیا محسوب می‌شود. وجود 36 نوع سانحه از مجموع 46 نوع سوانح طبیعی شناخته‌شده در جهان نشان می‌دهد ایران کشوری سانحه‌خیز بوده و می‌توان آن را یکی از مستعدترین کشورهای جهان برای وقوع سوانح طبیعی دانست (خانکه و حسینی، 1396). 
باتوجه‌به فراوانی وقوع سوانح طبیعی در ایران و اثرات مخرب آن‌ها بر جان، مال و امنیت روانی شهروندان، خلأ یک ساختار منسجم برای مدیریت کیفیت در فرایند امدادرسانی و بازتوانی به‌وضوح احساس می‌شود. نبود رویکردی نظام‌مند و ساختارمند در مدیریت کیفیت پس از وقوع سوانح، موجب ناهماهنگی، تأخیر در خدمات‌رسانی، کاهش اثربخشی عملیات و نارضایتی عمومی می‌گردد، درحالی‌که بسیاری از کشورها با تکیه بر چارچوب‌های استاندارد مدیریت کیفیت توانسته‌اند سرعت، دقت و ایمنی اقدامات پس از بحران را بهبود بخشند، در کشور ما این حوزه همچنان فاقد یک مدل بومی‌شده و کاربردی است. ازاین‌رو، پژوهش حاضر با هدف طراحی یک ساختار مفهومی و اجرایی جهت استقرار مدیریت کیفیت در زمان وقوع سوانح طبیعی، می‌کوشد در راستای ارتقای عملکرد نهادهای امدادرسانی، کاهش آسیب‌ها و بهبود سطح رضایت عمومی از خدمات پس از بحران، گامی اساسی بردارد. اهمیت این تحقیق در ارائه مدلی است که نه‌تنها قابلیت پیاده‌سازی در سطح ملی را دارد، بلکه می‌تواند مبنای تصمیم‌گیری راهبردی برای سازمان‌های متولی مدیریت بحران کشور نیز قرار گیرد.

 پیشینه تحقیق 
مدیریت کیفیت در حوزه سوانح طبیعی طی دهه‌های اخیر به‌عنوان یکی از حوزه‌های مهم مطالعات بین‌المللی در مدیریت بحران مطرح شده است. پژوهشگران متعددی در کشورهای مختلف تلاش کرده‌اند با بهره‌گیری از رویکردهای گوناگون، به ارتقای کیفیت خدمات پس از وقوع سوانح بپردازند و راه‌کارهایی برای چابک‌سازی، افزایش کارایی و بهبود اثربخشی امدادرسانی ارائه دهند. مطالعات زیر بخشی از مهم‌ترین پژوهش‌های انجام‌شده در این حوزه را نشان می‌دهند.
سورش و همکاران (2016)، در پژوهش خود به بررسی چابکی در خدمات‌رسانی پس از سوانح طبیعی در هند پرداختند و ابراز کردند که به‌منظور چابکی بهتر در عملیات پس از حوادث می‌بایست به تربیت نیروهای چندمهارته پرداخت و با استفاده از فرهنگ‌سازی مناسب به همکاری بخش‌های مردمی و دولتی کمک مناسبی نمود. آن‌ها بیان کردند که در صورت چابک‌سازی در خدمات‌رسانی به آسیب‌دیدگان، کیفیت خدمات بالاتر و رضایت آسیب‌دیدگان بیشتر فراهم می‌گردد. منصوریان و همکاران (2006)، در پژوهش خود به بررسی اثرات کیفیت مناسب اطلاعات در دسترس در سوانح طبیعی می‌پردازد و بیان می‌کند یکی از جنبه‌های بسیار مهم در مدیریت صحیح سوانح که امکان بهبود کیفیت را فراهم می‌آورد، مدیریت صحیح اطلاعات است. آن‌ها در پژوهش خود بیان می‌کنند هرچه شفافیت و دسترسی بهتری به اطلاعات مربوط به منابع موجود، دسترسی به جاده‌ها و راه‌های خدمات‌رسانی، منابع موردنیاز و پاسخگویی به آسیب‌دیدگان بهتر فراهم گردد، کیفیت خدمات ارائه‌شده بهبود خواهد یافت. 
مادو و کوئی (2014)، در پژوهش خود به ارائه ساختاری پرداختند که با استفاده از آن سازمان‌های دولتی قادر خواهند بود کیفیت خدمات خود را در زمینه بروز حوادث ناشی از سوانح طبیعی بالا ببرند. آن‌ها در پژوهش خود به معرفی یک رویکرد سیستماتیک حاصل از شش سیگمای ناب پرداختند که با استفاده از آن سازمان‌های دولتی قادر خواهند بود تا شیوه‌های امدادرسانی پایدارتری را در زمینه مقابله با سوانح طبیعی ارائه نمایند و به کیفیت بهتر خدمات مناسب بپردازند. 
لک و همکاران (2012)، در پژوهش خود به استفاده از مدیریت کیفیت در تمامی ابعاد شناسایی قربانیان سوانح طبیعی پرداختند و بیان کردند به‌منظور بهبود در شرایط کسب، شناسایی و طبقه‌بندی داده‌های حاصله، مدیریت کیفیت می‌تواند به ابزاری بسیار مهم و اثرگذار بدل گردد. آن‌ها در پژوهش‌های خود بیان کردند پیاده‌سازی مناسب مدیریت کیفیت در سازمان پزشکی قانونی به‌منظور مواجهه بهتر با سوانح طبیعی، از بهبود مهارت‌های تک‌تک اعضا، پایبندی به زنجیره و سلسله مراتب فرماندهی، حفظ مرز دانش و تخصص‌های فردی و سازمانی و آموزش مناسب باید استفاده نمود.
ازیثور و همکاران (2018)، در پژوهش خود به طراحی یک ساختار جامع جهانی پرداختند که هدف آن، یکپارچه‌سازی تلاش‌های جامعه بین‌المللی برای ارتقای کیفیت خدمات در حوادث با شدت بالای آسیب‌رسانی است. ساختار ارائه‌شده در این مطالعه، مدیریت کیفیت را به‌عنوان اصل محوری در بهبود خدمات‌رسانی معرفی می‌کند و بر لزوم توجه به ابعاد مختلف آن در مواجهه با سوانح طبیعی تأکید دارد؛ ازجمله مؤلفه‌های کلیدی مورداشاره در این چارچوب می‌توان به ایجاد زیرساخت مشترک اطلاعاتی، تدوین نظام طبقه‌بندی‌شده اجرایی و تهیه گزارش‌های سالیانه تحلیلی به‌منظور پایش و بهبود مستمر عملکرد سازمان‌های امدادی اشاره کرد. 
یولیانتو و همکاران (2021)، در پژوهش خود به بررسی نحوه مواجه اجتماعی زلزله‌زدگان سال 2018 در اندونزی پرداختند و دریافتند در صورت وجود ملزومات در محل، تجربه سابق و همبستگی بهتر میان ارکان خدمات‌رسان، امکان بهبود در کیفیت خدمات به شدت بالا می‌رود. تقی‌زاده حصاری و همکاران (2021)، در پژوهش خود به بررسی نحوه اثرگذاری کیفیت در برنامه‌ریزی بلندمدت بعد از سوانح طبیعی پرداختند. آن‌ها در پژوهش خود، با بررسی اطلاعات 14 کشور آسیایی و حوزه اقیانوس آرام، اقدام به طراحی مدلی نمودند تا با استفاده از آن بتوانند روند خدمات‌رسانی بهتر در آینده و نقش آن در کاهش فساد و رانت بعد از حادثه را شبیه‌سازی کنند. 
مودگیل و همکاران (2020)، در پژوهش خود به مرور نظام‌مند مطالعات انجام‌شده در حوزه مدیریت کیفیت در مواجهه با سوانح طبیعی پرداختند. آن‌ها با تحلیل متون موجود در پایگاه اطلاعاتی اسکوپوس در بازه زمانی 2009 تا 2018، مهم‌ترین مفاهیم، تعاریف، ساختارها و سلسله‌مراتب سازمانی مرتبط با این حوزه را شناسایی و دسته‌بندی نمودند. همچنین این مطالعه به بررسی عوامل توانمندساز و چالش‌های پیش‌ِروی پیاده‌سازی مدیریت کیفیت در شرایط بحران پرداخته و پیشنهادهایی برای بهبود عملکرد سازمان‌ها در مواجهه با سوانح طبیعی ارائه کرده است. 
هوانگ و همکاران (2025)، در پژوهش‌شان به پرکردن شکاف تحقیقاتی در ارائه چارچوبی جامع برای مدیریت چالش‌های داده‌ای در مدیریت ریسک سوانح طبیعی با استفاده از فناوری‌های نوظهور پرداختند. ارائه چارچوب مفهومی جدیدِ مبتنی بر حکمرانی داده که سه چالش اصلی داده ناکافی، کیفیت پایین و کاربرد محدود را در ابعاد عینی و ذهنی مدیریت ریسک سوانح طبیعی طبقه‌بندی کرده‌اند و با ادغام مطالعات موردی، نقش فناوری‌ها را در حل سیستماتیک این چالش‌ها نشان داده‌اند. 
یانگ و همکاران (2024)، در پژوهش خود پیشنهاد یک روش فرماندهی هوشمند مبتنی بر فناوری‌های دیجیتال برای بهبود مدیریت اضطراری روستایی در چین، با هدف یکپارچه‌سازی سیستم‌های هشدار زودهنگام، تصمیم‌گیری و عملیات نجات را ارائه دادند. پژوهش حاضر با ترکیب روش‌های کتابخانه‌ای، تحقیقات میدانی و تحلیل داده‌ها نشان داده است پیاده‌سازی این مدل هوشمند سه دستاورد کلیدی دارد: امکان ادغام دیجیتال عناصر بحران بهبود کارایی پاسخ‌گویی از طریق بهینه‌سازی زمان و منابع و درنهایت تقویت توسعه پایدار روستایی با کاهش تلفات انسانی و اقتصادی را در پی داشته باشد.
با وجود تعدد پژوهش‌های انجام‌شده در زمینه مدیریت کیفیت در بلایای طبیعی، اغلب مطالعات پیشین یا رویکردهای مفهومی و کلی اتخاذ کرده‌اند یا تمرکز خود را بر عناصر خاصی همچون فناوری، داده‌ها، چابکی یا ارتباطات بین‌سازمانی محدود نموده‌اند. در بسیاری از این پژوهش‌ها، فقدان یک چارچوب ساختاریافته و بومی‌شده که بتواند به شکل نظام‌مند به استقرار مدیریت کیفیت در بستر ملی و با تأکید بر شرایط خاص کشورهایی همچون ایران بپردازد، به‌وضوح احساس می‌شود. همچنین استفاده هم‌زمان از روش‌های ترکیبی مدل‌سازی ساختاری تفسیری و مدل‌سازی معادلات ساختاری به‌منظور طراحی و آزمون چارچوب مفهومی در حوزه بلایای طبیعی، کمتر مورد توجه قرار گرفته است. ازاین‌رو، تحقیق حاضر در تلاش است با ارائه یک مدل ساختاری برای استقرار مدیریت کیفیت در مواجهه با بلایای طبیعی، این خلأ نظری و کاربردی را پوشش داده و ابزاری عملیاتی برای سیاست‌گذاران و نهادهای اجرایی کشور فراهم آورد.

مبانی نظری 
در این بخش، به معرفی ابزارها و چارچوب‌هایی پرداخته می‌شود که می‌توانند به استقرار مؤثر مدیریت کیفیت در مواجهه با حوادث طبیعی کمک کنند. این ابزارها به‌طور مستقیم از مرور پیشینه پژوهش استخراج شده‌اند و نقش مهمی در ارتقای اثربخشی پاسخ به سوانح ایفا می‌کنند.

چارچوب سیاست‌گذاری
چارچوب سیاست‌گذاری درواقع به مدیریت نظام‌مند و مؤثرِ بحران‌های ناشی از سوانح طبیعی می‌پردازد. هدف اصلی این چارچوب، ایجاد روندی مشخص برای اقداماتی نظیر نجات جان انسان‌ها، مدیریت اجساد، جلوگیری از گسترش آتش‌سوزی در منازل و موارد مشابه است. همچنین این چارچوب بر اهمیت مدیریت تجهیزات امدادی تأکید دارد، چراکه مدیریت صحیح منابع می‌تواند کیفیت خدمات‌رسانی و دسترسی سریع به خدمات حیاتی را به‌طور چشمگیری بهبود بخشد (ماسیاکوریما و همکاران، 2020). ازسوی‌دیگر، چارچوب سیاست‌گذاری نقشی کلیدی در تسهیل هماهنگی بین نهادهای محلی و بین‌المللی ایفا می‌کند و زمینه را برای بهره‌گیری بهتر از ظرفیت‌های مردمی و سازمانی در فرآیند امدادرسانی فراهم می‌آورد (استنستکی و لاریگودریف، 2018). 

تعهدات سازمان‌های درگیر
در سوانح طبیعی پیش‌آمده نیاز به انجام فعالیت‌های چندرشته‌ای که بتواند با هماهنگی کامل انجام یابد و باعث هم‌افزایی گردد به‌عنوان یکی از اولین اصول شناخته می‌شود (لاسا و همکاران، 2019). دراین‌میان، شناسایی سازمان‌های درگیر که بتوانند به بهترین شکل به آسیب‌دیدگان کمک نمایند بیش‌ازپیش نمایان می‌شود. در این بین تیم‌های محلی مردمی شکل‌گرفته نیز به‌عنوان یکی از پایه‌های اصلی کمک‌رسانی که می‌تواند به کمک تیم‌های دولتی بیاید، نیز به ساختاری جامع و برنامه منظم کمک‌رسانی نیاز دارد. دراین‌میان هریک از طرفین درگیر در سوانح طبیعی باید نقشی بر عهده بگیرند و نسبت به انجام کامل آن بدون مداخله به نقش‌های دیگر کمک نمایند (ماتسوکا و گونزالس روکا، 2020). 

شفافیت و به‌ اشتراک‌گذاری اطلاعات
به اشتراک‌گذاری سریع اطلاعات در چندین ساختار شبکه‌ای و حفظ شفافیت در انتقال اطلاعات، سبب تضمین موفقیت در حل بحران پس از فاجعه می‌گردد (خان و همکاران، 2019). تقسیم وظایف، نقش سازمان‌های درگیر، تعیین استانداردها، تعیین قوانین و عملکرد موردنظر را می‌توان در سراسر منابع عملیاتی به اشتراک گذاشت که این موضوع سبب می‌گردد تا مدیریت زمان بهتری صورت بپذیرد و از تداخل کارها جلوگیری شود (هایس و کلی، 2018). در صورت وجود اطلاعات کافی درمورد فاجعه، امکان شبیه‌سازی عملیاتی فراهم می‌گردد که این موضوع می‌تواند به بهتر پیش‌رفتن خدمات‌رسانی، کمک بیشتری نماید (واگنر و آگراوال، 2014). دژومسی و امبونگو (2022)، در پژوهش خود به بررسی نقش ارتباطات اجتماعی اینترنت در کاهش سطح آسیب‌های ناشی از سوانح طبیعی در افریقا پرداختند و نشان دادند در صورت گسترش فضای استفاده از تلفن همراه و اینترنت در آفریقا، امکان به اشتراک‌گذاری اطلاعات در زمان وقوع سوانح طبیعی به‌صورت محسوسی بالا خواهد رفت.

مشارکت عمومی و خصوصی
شهرداری‌ها و مناطق محلی می‌توانند ظرفیت انعطاف‌پذیر خود را برای مقابله با بحران‌ها در فجایع اتفاق‌افتاده از طریق تاب‌آوری فضای شهری بالاتر ببرند (میرو و نول، 2019). این اتفاق سبب می‌گردد با بهره‌گیری بیشتر از امکانات شهری، امکان خدمات‌رسانی بهتر و سریع‌تر فراهم گردد و ازسوی‌دیگر امکان هماهنگی بهتر با بخش دولتی فراهم می‌گردد (والوسنسکی و همکاران، 2019). همچنین بخش خصوصی می‌تواند با ارائه آموزش‌های مختلف در شرایط مختلف بحرانی، مشارکت داشته باشد (کرالو و همکاران، 2019). این آموزش‌ها می‌تواند تا زمان رسیدن نیروهای متخصص از سایر مناطق ادامه داشته باشد و اقدامات اولیه در وضعیت اضطراری را به‌خوبی پیش ببرد (دیوید سوانسون و اسمیت، 2013). حتی پس از فاجعه نیز این مشارکت‌ها می‌تواند به نظارت بر استانداردسازی بازسازی، آموزش جوامع و نگهداری منظم تجهیزات کمک کند. همچنین ایجاد تیم‌های مختلف در این حوزه می‌تواند به ایجاد اعتماد میان جمعیت متقاضی کمک به هم‌نوعان مؤثر باشد (آلتون و گولدیکن، 2019). ازسوی‌دیگر تیم‌های بین رشته‌ای که می‌تواند در زمان وقوع حوادث طبیعی و یا قبل از آن شکل بگیرند، قادر خواهند بود تا نحوه اثرگذاری و اثربخشی راه‌کارها را به‌صورت سیستماتیک‌تری دریابند و به‌نوعی به کاهش پیچیدگی‌ها کمک نمایند (لاهیری و همکاران، 2021).

حمایت‌های دولتی
در زمان ایجاد یک واقعه و بلای طبیعی، دولت‌ها مهم‌ترین نقش را در خدمات‌رسانی بر عهده دارد (کوساماساری و همکاران، 2010)، چراکه عدم برخورد مناسب با خدمات‌رسانی می‌تواند به بهای از دست‌رفتن جلوه‌های حاکمیتی در میان آسیب‌دیدگان از وقایع طبیعی منجر شود (صمد و همکاران، 2025). اقدامات حمایتی دولتی در زمان وقوع حادثه ازجمله پرداخت یارانه‌های مالیاتی حمایتی به افراد آسیب‌دیده، عرضه مناسب و سریع اقلام ضروری موردنیاز، تأمین منابع انسانی آموزش‌دیده و خبره، تسهیل شرایط دسترسی و غیره می‌تواند به‌عنوان مهم‌ترین محرک‌های ابتدایی از التهابات به‌وجودآمده بکاهد و زمینه‌های مختلف عدم نارضایتی‌ها را کاهش دهد (کارلین و همکاران، 2014). 

برنامه‌ریزی راهبردی
برنامه‌ریزی راهبردی نقش مهمی در مدیریت مؤثر سوانح و کاهش ریسک‌های ناشی از آن ایفا می‌کند و شامل تقسیم وظایف میان بازیگران مختلف در فرآیند مدیریت بحران است (سرافین، 2019). این نوع برنامه‌ریزی همچنین شامل طراحی پروتکل‌هایی برای ارتباطات مؤثر و انتخاب تأمین‌کنندگان منعطف و چابک می‌شود که در شرایط بحرانی بتوانند به‌سرعت وارد عمل شوند (هرسپرگر و همکاران، 2019). یکی از عناصر کلیدی در برنامه‌ریزی استراتژیک، پیش‌بینی و طراحی واکنش‌های مناسب پیش از وقوع حادثه و بلافاصله پس از آن است؛ این واکنش‌ها می‌توانند شامل بازسازی زیرساخت‌های فیزیکی و شبکه‌های ارتباطی محلی، مسیریابی بهینه برای حمل‌ونقل، تخلیه اضطراری و ارائه سریع خدمات امدادی باشند (صبوحی و همکاران، 2019). به‌طورکلی، برنامه‌ریزی راهبردی در حوزه مدیریت بحران، مجموعه‌ای از اقدامات را دربر می‌گیرد: طراحی زنجیره تأمین انعطاف‌پذیر، ایجاد پیوندهای استراتژیک برای تأمین نیازها از طریق کانال‌های توزیع مختلف، آمادگی عملیاتی برای مواجهه با بلایای طبیعی، تعیین ظرفیت نیروی امدادی، تصمیم‌گیری‌های مربوط به مسیریابی و نیز برنامه‌ریزی بلندمدت برای بازسازی و توانمندسازی جوامع آسیب‌دیده. در این مسیر، ایجاد زیرساخت‌های نرم‌افزاری و سخت‌افزاری مقاوم و منعطف برای آینده نیز از ارکان اصلی محسوب می‌شود (عبدول و همکاران، 2024).

بهبود مستمر
عملیات اجرایی در زمان وقوع سوانح طبیعی نیازمند نظارت، ارزیابی و اصلاح مستمر است تا از طریق یک چرخه منظم به بهبود عملکرد منجر شود. این چرخه نظارتی با هدف شناسایی نقاط ضعف و بهینه‌سازی فرآیندهای امدادی، نقش مهمی در افزایش اثربخشی اقدامات دارد (تانگ و همکاران، 2019). اجرای نظام بهبود مستمر نه‌تنها می‌تواند شرایط عملیاتی و خدماتی را ارتقا بخشد، بلکه در بلندمدت امکان بهبود وضعیت سیاسی و اقتصادی مناطق آسیب‌دیده را نیز فراهم می‌آورد (لارسن و فوروپن، 2018). دراین‌راستا، بهبود مستمر در مدیریت سوانح طبیعی شامل مؤلفه‌هایی نظیر ارزیابی دائمی عملکرد، ارتقای کیفیت تصمیم‌گیری، ایجاد توازن بین عرضه و تقاضای منابع و اندازه‌گیری و افزایش سطح رضایت آسیب‌دیدگان است؛ مواردی که همگی نقش مؤثری در بازسازی مؤثرتر و پاسخ‌گویی پایدار به بحران‌ها دارند (ربتا و همکاران، 2018). 

سرعت در امداد و حفظ ایمنی
سرعت واکنش اولیه به بلایای طبیعی، به سطح آمادگی از پیش طراحی‌شده و قابلیت اجرای برنامه‌ها بستگی دارد (پلت، 2017). ارتقای سرعت پاسخ‌گویی از طریق تسهیل جریان اطلاعات و به‌اشتراک‌گذاری سریع داده‌ها امکان‌پذیر است (دانگ و همکاران، 2021). دسترسی سریع به اطلاعات و اتخاذ تصمیمات به‌موقع، می‌تواند به کاهش خسارات، ایمنی بهتر زیرساخت‌ها و حفاظت مؤثر از منابع طبیعی منجر شود (کامهار و همکاران، 2016). مفهوم ایمنی در این زمینه شامل انتقال مطمئن مصدومان، حفظ منابع حیاتی و ترمیم سریع آسیب‌های واردشده به زیرساخت‌هاست (یحیایی و بزرگی امیری، 2019). 

دسترسی به منابع مالی
تأمین منابع مالی فوری، به‌ویژه در مراحل اولیه پس از وقوع بلایای طبیعی، نقش کلیدی در ارائه خدمات اثربخش ایفا می‌کند. یکی از چالش‌های اساسی، فراهم‌کردن دسترسی مقرون‌به‌صرفه و قابل‌پذیرش به خدمات مالی برای جوامع محلی است (سیودزا و شاوا، 2020). دراین‌راستا، برنامه‌ریزی مالی و اختصاص بودجه اضطراری در سطوح ملی و منطقه‌ای از اهمیت بالایی برخوردار است، به‌گونه‌ای که دولت‌ها باید پیش‌بینی‌های لازم را در سیاست‌های مالی خود لحاظ کنند تا در صورت وقوع بحران، بتوانند واکنش سریع و مؤثری ارائه دهند (وارنر و همکاران، 2003). 

روش 
این پژوهش از نظر هدف، در زمره‌ تحقیقات کاربردی قرار می‌گیرد، زیرا با هدف حل یک مسئله عملی در سازمان‌های مرتبط با مدیریت بحران انجام شده است. از منظر روش گردآوری داده‌ها، تحقیق حاضر توصیفی-پیمایشی است و مراحل آن در تصویر شماره 1 نمایش داده شده است.

در گام نخست، با بررسی پیشینه نظری، عوامل مؤثر بر استقرار مدیریت کیفیت در سوانح طبیعی شناسایی شدند. پس از شناسایی این عوامل، پرسش‌نامه‌ای بر پایه مقایسات زوجی طراحی شد که به خبرگان این امکان را می‌داد تا نوع رابطه بین عوامل را مشخص کنند. جامعه آماری پژوهش را کلیه خبرگان سازمان مدیریت بحران کشور تشکیل دادند. با استفاده از روش نمونه‌گیری گلوله‌برفی، 13 نفر از متخصصان این حوزه شناسایی و انتخاب شدند. باتوجه‌به اینکه در تکنیک مدل‌سازی ساختاری تفسیری (ISM) تعداد 8 تا 15 خبره، کافی تلقی می‌شود (صفاری دربرزی و همکاران، 1400). تعداد نمونه در این پژوهش قابل‌قبول است. این افراد دارای سابقه پژوهشی و اجرایی قابل‌توجه در حوزه مدیریت بحران و حداقل 10 سال تجربه کاری مرتبط بودند. جدول شماره 1، مشخصات این خبرگان را ارائه داده است. 


روایی پرسش‌نامه پژوهش با استفاده از روایی محتوا به تأیید خبرگان دانشگاهی رسید. پس از تکمیل پرسش‌نامه مقایسات زوجی از تکنیک مدل‌سازی ساختاری تفسیری به‌منظور طراحی ساختار مدیریت کیفیت در سوانح طبیعی استفاده گردید. این تکنیک که نخستین‌بار توسط وارفیلد، در سال 1973 معرفی شده است (نادری بنی و همکاران، 1396)، یک فرآیند یادگیری تعاملی محسوب می‌شود که با ساده‌سازی و ترسیم روابط پیچیده میان عناصر، ساختاری گرافیکی از ارتباطات میان متغیرها ارائه می‌دهد. روش‌شناسی مدل‌سازی ساختاری تفسیری کمک زیادی به برقراری نظم در روابط پیچیده میان عناصر یک سیستم می‌کند. مدل ساختاری تفسیری، روابط درونی بین متغیرها را تشخیص می‌دهد و تأثیر یک متغیر را بر سایر متغیرها مورد تجزیه‌وتحلیل قرار می‌دهد. همچنین می‌تواند به اولویت‌بندی و تعیین سطح عناصر یک سیستم اقدام کند که کمک شایانی به مدیران، برای اجرای بهتر مدل طراحی‌شده می‌کند. ابزار استفاده‌شده در این مرحله، پرسش‌نامه‌ای متشکل از 9 عامل شناسایی‌شده نهایی است که به‌صورت مقایسات زوجی، از پاسخ‌دهندگان که شامل 13تن از خبرگان است، خواسته ‌شده است تا با مقایسه دوبه‌دو عوامل، رابطه آن‌ها (عدم وجود رابطه، وجود رابطه یک‌طرفه و وجود رابطه متقابل) را مشخص کنند. مراحل مختلف مدل‌سازی ساختاری تفسیری به شرح زیر است (مالکی‌نژاد و همکاران، 2020):

تشکیل ماتریس خود تعاملی ساختاری
 رابطه میان عوامل مؤثر بر مدیریت کیفیت بهتر در سوانح طبیعی با استفاده از این ماتریس به دست‌ می‌آید. برای به دست آوردن این ماتریس از فرمول شماره 1، 2، 3 و 4 استفاده می‌شود:

1.
V: i به j منجر می‌شود.
2. 
j: A به i منجر می‌شود.
3.
X: برای نشان دادن تأثیر دوطرفه بین i و j
4.
O: برای نشان دادن عدم تأثیر بین i و j

ایجاد ماتریس دست‌یابی اولیه این ماتریس بر مبنای ماتریس خودتعاملی و با استفاده از فرمول‌های شماره 5، 6، 7 و 8 تشکیل می‌شود:

5. اگر خانه (j, i) در ماتریس خود تعاملی نماد V گرفته است، خانه مربوطه در ماتریس دست‌یابی عدد 1 می‌گیرد و خانه قرینه آن، یعنی خانه (i, j) عدد صفر می‌گیرد.
6. اگر خانه (j, i) در ماتریس خودتعاملی نماد A گرفته است، خانه مربوطه در ماتریس دست‌یابی عدد صفر می‌گیرد و خانه قرینه آن، یعنی خانه (i, j) عدد 1 می‌گیرد.
7. اگر خانه (j, i) در ماتریس خودتعاملی نماد X گرفته است، خانه مربوطه در ماتریس دست‌یابی عدد 1 می‌گیرد و خانه قرینه آن، یعنی خانه (i, j) هم‌ عدد 1 می‌گیرد.
8. اگر خانه (j, i) در ماتریس خود تعاملی نماد O گرفته است، خانه مربوط در ماتریس دست‌یابی عدد صفر می‌گیرد و خانه قرینه آن، یعنی خانه (i, j) هم ‌عدد صفر می‌گیرد. 

تشکیل ماتریس دست‌یابی نهایی
 با در نظر گرفتن رابطه تعاملی بین عناصر لازم است، ماتریس دست‌یابی اولیه سازگار شود. بدین منظور باید ماتریس اولیه را به توانk+1 رساند؛ به‌طوری‌که حالت پایدار برقرار شود (فرمول شماره 9): 

9. (1+KM=KM)
 بدین ترتیب برخی عناصر صفر تبدیل به 1 خواهد شد که به‌صورت (1*) نشان داده می‌شود. خانه‌هایی از ماتریس که 1* می‌گیرند، در حقیقت نشان می‌دهد بین دو عامل، ارتباطی به‌صورت غیرمستقیم می‌‌باشد و این دوعامل نیز در حقیقت بر روی یکدیگر اثرگذار هستند.

تعیین سطح شاخص‌ها
پس از تعیین مجموعه قابل‌دست‌یابی (خروجی) و مجموعه مقدم (ورودی) برای هر عنصر و تعیین مجموعه مشترک، سطح‌بندی متغیرها انجام می‌شود. مجموعه قابل‌دست‌یابی برای هر عنصر، مجموعه‌ای است که در آن سطر‌ها، ماتریس دست‌یابی نهایی به‌صورت 1 ظاهرشده باشند و مجموعه مقدم، مجموعه‌ای است که در آن ستون‌ها به‌صورت 1 ظاهرشده باشند. با به‌ دست‌آوردن اشتراک این دو مجموعه، مجموعه مشترک به دست خواهد آمد. عناصری که مجموعه مشترک با مجموعه قابل‌دست‌یابی یکسان باشد، سطح اول اولویت را به خود اختصاص می‌دهند. با حذف این عناصر و تکرار این مرحله برای سایر عناصر، سطح کلیه عناصر تعیین می‌شود.

ترسیم مدل ساختاری تفسیری
 براساس سطوح تعیین‌شده و ماتریس دست‌یابی نهایی، مدل تحقیق ترسیم می‌شود. این مدل سطح‌بندی عوامل مختلف و نحوه اثرگذاری عوامل بر یکدیگر را نشان می‌دهد.
با استفاده از تکنیک مدل‌سازی ساختاری تفسیری، ساختار مناسبی به‌منظور استقرار مدیریت کیفیت در مواجهه با سوانح طبیعی طراحی گردید. در گام بعد، برای برازش ساختار طراحی‌شده از مدل‌سازی معادلات ساختاری (SEM) با استفاده از نرم‌افزار SmartPLS3 بهره گرفته شد. در نسل دوم مدل‌سازی معادلات ساختاری، حداقل حجم نمونه باید حداقل 5 برابر و حداکثر 15 برابر تعداد سؤالات پرسش‌نامه باشد (طلایی و همکاران، 2022). براین‌اساس، پرسش‌نامه‌ای طراحی شد که در آن میزان اهمیت هریک از شاخص‌های شناسایی‌شده برای سنجش ابعاد مختلف، در قالب طیف پنج‌گزینه‌ای لیکرت از پاسخ‌دهندگان ارزیابی گردید. باتوجه‌به تعداد سؤالات، حداقل حجم نمونه موردنیاز، 150 نفر برآورد شد. پاسخ‌دهندگان به این پرسش‌نامه، مدیران و کارکنان سازمان مدیریت بحران کشور در سراسر ایران بودند. مطابق با رایزنی انجام‌شده با سازمان مدیریت بحران کشور، پرسش‌نامه‌ها به‌صورت الکترونیکی و از طریق ایمیل برای ایشان ارسال شد. در مجموع، 268 پرسش‌نامه ارسال گردید که از این میان، 161 پاسخ معتبر دریافت گردید و درنهایت، داده‌های حاصل از آن با استفاده از نرم‌افزار SmartPLS3 تحلیل شد.
در گام بعدی پژوهش برای تحلیل رفتار عوامل از نظر اثرگذاری و اثرپذیری از تکنیک میک‌مک استفاده گردیده است. این تحلیل به شناسایی نوع رفتار عوامل براساس میزان قدرت نفوذ و وابستگی متقابل آن‌ها می‌پردازد. درنتیجه، عوامل شناسایی‌شده در 4 گروه کلی طبقه‌بندی شدند که این امر به تصمیم‌گیری دقیق‌تر مدیران در استقرار مؤثر مدیریت کیفیت کمک می‌کند (مالکی‌نژاد و همکاران، 2022).
 
یافته‌ها
باتوجه‌به مراحل تشریح‌شده در بخش روش‌شناسی، در گام نخست، عوامل مؤثر بر استقرار سیستم مدیریت کیفیت در حوادث و بلایای پیش‌بینی‌نشده از طریق مطالعه‌ پیشینه پژوهش شناسایی شدند. نتایج این مرحله در جدول شماره 2 ارائه شده است.


در گام بعدی و مطابق با مراحل مطرح‌شده در بخش روش تحقیق، 9 عامل شناسایی‌شده در این پژوهش به‌منظور سنجش ارتباطات بین ابعاد، در اختیار 13 تن از خبرگان قرار گرفت. براساس تکنیک مدل‌سازی ساختاری تفسیری، در نخستین مرحله و با بهره‌گیری از نظرات خبرگان، ماتریس خودتعاملی ساختاری تهیه گردید. این ماتریس که نمایانگر اجماع نظرات خبرگان است، در جدول شماره 3 ارائه شده است.


برای تکمیل این ماتریس، از خبرگان خواسته شد تا با استفاده از چهار نماد X، O، V و A روابط بین عوامل را مشخص کنند تا نحوه تأثیرگذاری و تأثیرپذیری متقابل عوامل به‌طور کامل تعیین گردد.
در این پژوهش، ابتدا ماتریس دست‌یابی اولیه (جدول شماره 3) تهیه شد و بر مبنای آن، ماتریس دست‌یابی نهایی استخراج گردید. به‌منظور تعیین سطوح ابعاد، مطابق با روش‌شناسی تحقیق، لازم بود مجموعه‌های دستیابی، مقدم و مشترک شناسایی شوند که نتایج این مرحله در جدول شماره 4 ارائه شده است.


مجموعه دست‌یابی، روابط موجود در سطرهای ماتریس را تحلیل می‌کند، درحالی‌که مجموعه مقدم به بررسی ارتباطات موجود در ستون‌های ماتریس می‌پردازد. در اینجا، مقصود از روابط، هم‌پیوندی‌های مستقیم و غیرمستقیم بین مؤلفه‌هاست که درنهایت یکدیگر را تکمیل می‌کنند. ازسوی‌دیگر، مجموعه مشترک به ارتباطات دوطرفه‌ای اشاره دارد که هم در مجموعه دستیابی و هم در مجموعه مقدم وجود دارند و به‌این‌ترتیب، تعامل متقابل بین عوامل را نشان می‌دهند. این مجموعه‌ها مبنایی برای سطح‌بندی عوامل فراهم می‌کنند. در این فرآیند، ابتدا اشتراکات بین مجموعه دست‌یابی و مجموعه مشترک ارزیابی شده و سپس سطح مناسب به هر متغیر اختصاص می‌یابد. پس از تخصیص سطح اولیه، متغیر مربوطه از تمامی مجموعه‌های دستیابی، مقدم و مشترک حذف می‌شود و این روند تا تعیین سطح تمام متغیرها تکرار می‌گردد.
براساس جدول شماره 4، ساختار مفهومی استقرار مدیریت کیفیت در سوانح طبیعی به‌صورت تصویر شماره 2 طراحی گردیده است. 

ساختار به‌دست‌آمده در پژوهش که در تصویر شماره 2 به آن پرداخته شد، به‌منظور برازش آماری در نرم‌افزار Smart PLS3 قرار داده شد تا با استفاده از اطلاعات به‌دست‌آمده از 161 تن از پاسخ دهندگان به پرسش‌نامه، مورد آزمون قرار بگیرد. جدول شماره 4 مقادیر روایی و پایایی به‌دست‌آمده برای هریک از عوامل مدل را نشان می‌دهد. به‌منظور ارزیابی روایی در این تحقیق، از ابزار روایی همگرا بهره‌برداری شده است. روایی همگرا به همبستگی سؤالات مرتبط با یک متغیر خاص اشاره دارد و با استفاده از دو معیار، یعنی ضرایب بار عاملی و میانگین واریانس به‌اشتراک‌گذاشته، مورد ارزیابی قرار گرفته است. مقادیر قابل‌قبول برای این دو معیار به‌ترتیب 0/4 و 0/5 در نظر گرفته شده است (محمدفام و همکاران، 2018). 
برای سنجش پایایی، از دو معیار آلفای کرونباخ و پایایی ترکیبی استفاده گردیده است. آلفای کرونباخ به میزان همبستگی بین یک سازه و شاخص‌های مرتبط با آن اشاره دارد و مقدار قابل‌قبول برای این شاخص، 0/7 تعیین شده است. همچنین، پایایی ترکیبی، پایایی سازه‌ها را باتوجه‌به همبستگی آن‌ها با یکدیگر محاسبه می‌کند، به‌طوری‌که اگر مقدار پایایی ترکیبی برای هر سازه بالاتر از 0/7 باشد، نشان‌دهنده برازش مناسب پایایی مدل خواهد بود (سلطان‌زاده و همکاران، 2019). 
براساس اطلاعات جدول شماره 5 و همچنین توضیحات ارائه‌شده قبل از جدول شماره 5، روایی و پایایی پرسش‌نامه پژوهش مورد تأیید قرار گرفت. 


در ادامه به بررسی و ارزیابی برازش ساختاری مدل براساس معیارهای Q² و R² برای متغیرهای وابسته در مدل پژوهش براساس جدول شماره 5 پرداخته شده است. معیار Q²، توان پیش‌بینی مدل را تعیین می‌کند. مدل‌هایی که برازش ساختاری مناسبی دارند، باید قادر به پیش‌بینی شاخص‌های مرتبط با سازه‌های درون‌زا باشند. برای ارزیابی شدت قدرت پیش‌بینی مدل در مورد سازه‌های درون‌زا، سه مقدار 0/02، 0/15 و 0/35 درصدمعرفی شده است (بتولی و همکاران، 2025). معیار R² برای ارتباط بین بخش اندازه‌گیری و بخش ساختاری در مدل‌سازی معادلات ساختاری استفاده می‌شود و نشان‌دهنده تأثیر یک متغیر برون‌زا بر یک متغیر درون‌زا است. این معیار تنها برای سازه‌های درون‌زا محاسبه می‌شود و برای سازه‌های برون‌زا مقدار آن صفر در نظر گرفته می‌شود. سه حد آستانه 0/19، 0/33 و 0/67 به‌عنوان معیارهای ضعیف، متوسط و قوی، مقادیر معرفی شده‌اند، به‌طوری‌که افزایش مقدار R² برای سازه‌های درون‌زا نشان‌دهنده برازش بهتر مدل است (سلطان‌زاده و همکاران، 2023).
براساس اطلاعات به‌دست‌آمده در جدول شماره 6 پژوهش، تمامی مقادیر Q² مدل در سطح قوی قرار دارند که بیانگر قدرت پیش‌بینی مناسب مدل است.


همچنین، مقادیر مربوط به R² در وضعیت متوسط تا قوی ارزیابی شده‌اند.
برازش کلی مدل با استفاده از شاخص SRMR ارزیابی شده است. این شاخص که مقداری در بازه (0) تا (1) دارد، هرچه مقدار آن کمتر باشد، نشان‌دهنده برازش بهتر مدل است. به‌عبارت‌دیگر، افزایش بارهای عاملی و ضرایب رگرسیونی مدل باعث نزدیک‌تر شدن مقدار SRMR به صفر می‌شود. مقدار آستانه یا خط برش این شاخص برابر با 8 درصد تعیین شده است؛ به این معنا که اگر مقدار SRMR مدل برابر یا کمتر از 0/08 باشد، بیانگر برازش مطلوب مدل است؛ و مقادیر بالاتر از این عدد نشان‌دهنده برازش کمتر مدل تلقی می‌گردد (مالکی نژاد و همکاران، 2020). در این پژوهش، شاخص SRMR برای مدل اشباع‌شده برابر با 0/038 و برای مدل تخمینی برابر با 0/079 محاسبه شده است که هر دو نشان‌دهنده برازش مناسب و قابل‌قبول کلی مدل تحقیق می‌باشد.
مقادیر آماره تی برای تمامی مسیرها باید از مقدار استاندارد 1/96 بیشتر باشد (پلات، 2018). در این تحقیق، تمامی مقادیر آماره تی برای روابط بررسی‌شده بالاتر از این حد قرار گرفته‌اند که نشان‌دهنده وجود ارتباط‌های معنادار بین ابعاد پژوهش است. جدول شماره 7، ضرایب مسیر، مقادیر آماره تی و شدت تأثیر روابط را نشان می‌دهد.


تصویر شماره 3 که مدل مفهومی برازش‌شده پژوهش را نشان می‌دهد، مقادیر مربوط به ضرایب مسیر، آماره t و بار عاملی را ارائه می‌کند.

اعداد داخل پرانتز نمایانگر مقادیر آماره t و اعداد خارج از پرانتز بیانگر ضریب مسیر هستند.
پس از تأیید و برازش مدل ساختاری ارائه‌شده در این پژوهش، امکان تحلیل دقیق ساختار شکل‌گرفته فراهم می‌شود. براین‌اساس و با بهره‌گیری از اطلاعات جدول شماره 3، درجه نفوذ و وابستگی هریک از عوامل شناسایی شده‌اند. درجه نفوذ نشان‌دهنده میزان تأثیرگذاری یک عامل بر سایر عوامل است و درجه وابستگی بیانگر میزان تأثیرپذیری آن عامل از دیگر عوامل می‌باشد. باتوجه‌به تعداد عوامل (9 عامل)، حداکثر درجه نفوذ و وابستگی برابر با 9 است؛ به این معنی که هر عامل می‌تواند حداکثر از 9 عامل دیگر تأثیر بپذیرد یا بر آن‌ها اثرگذار باشد. تصویر شماره 4 ماتریس میک‌مک را برای عوامل پژوهش نشان می‌دهد.

در این نمودار، درجه نفوذ در محور عمودی و درجه وابستگی در محور افقی مشخص شده است.
براساس نتایج حاصل از تحلیل میک‌مک، عوامل شناسایی‌شده در چهار ناحیه اصلی طبقه‌بندی شده‌اند. در ناحیه مستقل، عوامل شماره 1 (چارچوب سیاست‌گذاری)، 5 (حمایت‌های دولتی)، 6 (برنامه‌ریزی راهبردی) و 9 (دسترسی به منابع مالی) قرار دارند که از درجه نفوذ بالا و وابستگی پایین برخوردارند؛ به این معنا که این عوامل بیشترین تأثیر را بر سایر مؤلفه‌ها داشته و خود کمتر تحت تأثیر قرار می‌گیرند. درمقابل، ناحیه وابسته شامل عوامل 3 (شفافیت و به اشتراک‌گذاری اطلاعات)، 7 (بهبود مستمر) و 8 (سرعت در امداد و حفظ ایمنی) است که عمدتاً تحت تأثیر سایر عوامل قرار دارند و تأثیرگذاری آن‌ها محدود است. ناحیه پیوندی نیز شامل عوامل 2 (تعهدات سازمان‌های درگیر) و 4 (مشارکت عمومی و خصوصی) می‌شود که دارای نقش واسط بوده و هم‌زمان از تأثیرگذاری و تأثیرپذیری بالایی برخوردارند. در این پژوهش، ناحیه خودمختار که معمولاً شامل عوامل با نفوذ و وابستگی پایین است، خالی باقی مانده است. این توزیع بیانگر آن است که ساختار شکل‌گرفته دارای پیوستگی و تعاملات معنادار بین اجزای اصلی خود می‌باشد.

 بحث 
سوانح طبیعی در جهان هر ساله جان هزاران تن را می‌گیرد و بر زندگی میلیون‌ها انسان اثر می‌گذارد. ازسوی‌دیگر مدیریت بحران پس از وقوع حادثه همواره به‌عنوان مهم‌ترین بخش از سیستم مدیریتی شناخته می‌شود. این پژوهش با هدف طراحی یک ساختار به‌منظور استقرار بهتر مدیریت کیفیت در هنگام وقع سوانح طبیعی انجام یافت. در این پژوهش 9 عامل مؤثر بر کیفیت بهتر در هنگام وقوع سوانح طبیعی شناسایی گردید. این عوامل در قالب یک پرسش‌نامه مقایسات زوجی در اختیار 13 تن از خبرگان سازمان مدیرریت بحران کشور قرار گرفت تا بتوانند نحوه اثرگذاری و اثرپذیری عوامل را نسبت به یکدیگر مورد بررسی قرار دهند. در ادامه با استفاده از تکنیک مدل‌سازی ساختاری تفسیری، 9 عامل شناسایی‌شده در شش سطح ساختار یافت. در ادامه و به‌منظور برازش ساختار شکل‌گرفته در این پژوهش از معادلات ساختاری مربعات جزئی استفاده گردید. ساختار شکل‌گرفته و برازش‌شده در این پژوهش نشان می‌دهد عامل برنامه‌ریزی راهبردی، به‌عنوان زیرساختار حرکت مناسب در استقرار مدیریت کیفیت شناخته می‌شود. براین‌اساس در صورتی‌که بتوان به ایجاد ساختارهای مناسب در زمینه مدیریت کاراتر راهبردها در سوانح طبیعی پرداخت، امکان حرکت مناسب به سمت مدیریت کیفیت در وقوع سوانح طبیعی امکان‌پذیرتر می‌گردد. با یک برنامه‌ریزی راهبردی مناسب، حمایت‌های دولتی به افراد آسیب‌دیده به بهترین شکل ممکن امکان بروز پیدا می‌کند. درحقیقت بدین منظور می‌توان با در نظرگرفتن برنامه جامع آمادگی و پاسخ‌گویی، انطباق برنامه‌ها با ارزیابی ریسک‌ها و درنهایت بازنگری دوره‌ای برنامه‌ها اقدام به تقویت بعد برنامه راهبردی نمود. این بخش می‌تواند زمینه یک چارچوب سیاست‌گذاری مناسب و تأمین مالی بودجه‌ای در سوانح را فراهم آورد. درحقیقت کلید دست‌یابی به تأمین منابع مالی و چارچوب سیاست‌گذاری، حمایت‌های دولتی‌ای است که باتوجه‌به راهبردهای کلان به دست آمده است. با فراهم‌شدن شرایط مناسب چارچوب سیاست‌گذاری و منابع مالی، مشارکت بخش‌های مختلف دولتی و خصوصی ازیک‌سو و تعهدات سازمان‌های درگیر ازسوی‌دیگر می‌تواند در هنگام بروز سوانح طبیعی پیش‌بینی‌نشده بروز یابد. همچنین براساس مدل برازش‌شده پژوهش با مشارکت خصوصی و عمومی و تعهدات اجرایی سازمان‌های درگیر در کمک‌رسانی به آسیب‌دیدگان امکان بروز بهبود مستمر در کمک‌رسانی و شفافیت در اطلاعات فراهم می‌گردد که این موضوع می‌تواند به روند کمک‌رسانی سریع و به‌موقع به آسیب‌دیدگان بسیار مهم باشد. درنهایت نیز باتوجه‌به ساختار مفهومی شکل‌گرفته در این پژوهش، سرعت در امدادرسانی به آسیب‌دیدگان بالا می‌رود که این موضوع در حقیقت نشان‌دهنده مدیریت کیفیت در مواجهه با بلایی طبیعی است.
نتایج تکنیک مدل‌سازی ساختاری تفسیری که بر تعامل و اولویت عوامل مختلف در سیستم مدیریت بحران تأکید دارد، با نتایج پژوهش‌های (فولر، 2020) و (مدگیل و همکاران، 2020) همخوانی دارد که نقش چندبعدی و شبکه‌ای عوامل انسانی، ساختاری و فناورانه را در پاسخ مؤثر به بحران‌ها برجسته کرده‌اند. همچنین، جایگاه کلیدی برخی عوامل در ناحیه مستقل، مانند آمادگی نهادی یا زیرساخت‌های فناورانه، با یافته‌های (سورش و همکاران، 2019) و (تقی‌زاده حصاری و همکاران، 2021) هم‌راستا است که بر نقش زیرساخت‌های کیفی و چابکی در عملیات انسانی تأکید کرده‌اند. ازسوی‌دیگر، تحلیل تکنیک مدل‌سازی معادلات ساختاری نیز مؤید روابط علی و تأثیرگذاری قوی میان متغیرهای کلیدی بوده است؛ براین‌اساس، یافته‌های پژوهش حاضر با یافته‌های (مادو و همکاران، 2014) هم‌خوان است که از طریق مدل‌سازی علی به نقش مهم مدیریت کیفیت در زنجیره تأمین امدادرسانی پی برده‌اند. همچنین، تأیید برازش مدل ساختاری این تحقیق با نتایج پژوهش‌هایی همچون (مالکی‌نژاد و همکاران، 2020) و (طلایی و همکاران، 2022) سازگار است که با استفاده از رویکردهای ترکیبی ISM-SEM در حوزه‌های مختلف مدیریتی، به ساختار سلسله‌مراتبی و تأثیرات علی بین عوامل کلیدی پرداخته‌اند. علاوه‌براین، برخی مطالعات همچون (هوانگ و همکاران، 2025) و (یانگ و همکاران، 2024) که به نقش فناوری‌های نوین و هوش مصنوعی در ارتقای تاب‌آوری و تصمیم‌گیری در شرایط اضطراری پرداخته‌اند، به‌طور غیرمستقیم مؤید یافته‌های این تحقیق‌اند، به‌ویژه در جایگاه‌یابی این عوامل در سطوح بالای سلسله‌مراتب مدل ISM. این هم‌راستایی نشان‌دهنده عمق تحلیل در پژوهش حاضر و تطابق آن با جریان‌های پژوهشی نوین است.
یافته‌های پژوهش در بخش تحلیل قدرت نفوذ و وابستگی نشان می‌دهد هیچ یک از عوامل در ناحیه خودمختار (خودگردان) قرار نگرفته‌اند. ناحیه خودمختار معمولاً شامل عواملی است که هم قدرت نفوذ ضعیف و هم وابستگی کمی دارند. این عوامل به‌دلیل ارتباطات محدود با سایر مؤلفه‌های مدل، عموماً از تحلیل حذف می‌شوند. بااین‌حال، در این پژوهش، باتوجه‌به مطالعه دقیق پیشینه و انتخاب هدفمند متغیرها، تمامی عوامل در سایر نواحی تأثیرگذار قرار گرفتند که نشان‌دهنده روایی و انسجام مدل ارائه‌شده است. عوامل شفافیت و به‌اشتراک‌گذاری اطلاعات، بهبود مستمر، سرعت در امدادرسانی و حفظ ایمنی در ناحیه وابسته جای گرفته‌اند. ویژگی اصلی این عوامل، قدرت نفوذ پایین اما وابستگی بالا است. این مؤلفه‌ها عمدتاً نتایج مدل محسوب می‌شوند، به این معنا که تحت تأثیر عوامل دیگر شکل می‌گیرند و کمتر می‌توانند بر سایر بخش‌ها تأثیرگذار باشند. به‌عبارت‌دیگر، برای تحقق این عوامل، نیاز به اجرای موفقیت‌آمیز عوامل کلیدی دیگر وجود دارد. عوامل چارچوب سیاست‌گذاری، حمایت‌های دولتی، برنامه‌ریزی راهبردی و دسترسی به منابع مالی در بخش ناحیه مستقل قرار دارند. این مؤلفه‌ها دارای قدرت نفوذ بالا اما وابستگی کم هستند و به‌عنوان ستون‌های اصلی مدل در نظر گرفته می‌شوند. این دسته از عوامل، پایه‌های اساسی سیستم را تشکیل می‌دهند و موفقیت سایر بخش‌ها به شدت به آن‌ها وابسته است. درواقع، بدون توجه کافی به این عوامل، اجرای مؤثر مدل با چالش‌های جدی مواجه خواهد شد. تعهدات سازمان‌های درگیر و مشارکت عمومی-خصوصی در ناحیه پیوندی قرار گرفته‌اند. ویژگی اصلی این بخش، قدرت نفوذ و وابستگی بالا است. این عوامل از حساسیت و ناپایداری بالایی برخوردارند، به‌گونه‌ای‌که هرگونه تغییر در آن‌ها نه‌تنها بر خودشان، بلکه بر کل سیستم تأثیر می‌گذارد. بنابراین، مدیریت هوشمندانه این مؤلفه‌ها برای حفظ تعادل در مدل ضروری است.

 نتیجه‌گیری
باتوجه‌به نتایج به‌دست‌آمده از تحلیل‌های این پژوهش، روشن شد مدیریت سوانح طبیعی در کشور نیازمند بازنگری اساسی در ساختارهای سازمانی، فرآیندهای تصمیم‌گیری و نحوه تعامل میان نهادهای ذی‌ربط است. ارتقای اثربخشی در مراحل پیشگیری، آمادگی، پاسخ و بازسازی مستلزم سیاست‌گذاری مبتنی بر شواهد و هماهنگی منسجم میان ارکان مختلف حاکمیتی است. 

پیشنهادات
در این راستا، مجموعه‌ای از پیشنهادهای کاربردی به شرح زیر ارائه می‌شود:
اصلاح سازوکارهای بودجه‌ریزی و تعامل بین‌نهادی
توصیه می‌شود مدیران دولتی و نهادهای اجرایی با طراحی سازوکارهای نوین تخصیص منابع، کاهش پیچیدگی‌های بروکراتیک و توسعه زیرساخت‌های دیجیتال برای یکپارچه‌سازی اطلاعات، زمینه تصمیم‌گیری سریع و مؤثر در شرایط بحران را فراهم کنند. این اقدام علاوه‌بر ارتقای کیفیت خدمات امدادی، موجب افزایش تاب‌آوری نهادی در مواجهه با سوانح طبیعی خواهد شد.

تقویت ابعاد بنیادین سیاست‌گذاری و منابع مالی
 باتوجه‌به نقش محوری سیاست‌گذاری، حمایت‌های دولتی، برنامه‌ریزی راهبردی و دسترسی به منابع مالی، پیشنهاد می‌شود ستادهای مدیریت بحران کشور تمرکز ویژه‌ای بر بازآرایی این مؤلفه‌ها داشته باشند. تدوین سیاست‌های کلان مبتنی بر شواهد و ارزیابی ریسک، ایجاد صندوق‌های پیشگیرانه و گسترش پوشش بیمه‌ای سوانح طبیعی می‌تواند انسجام و پایداری نظام مدیریت کیفیت را تضمین کند.

 ایجاد سامانه جامع ارزیابی و شفافیت اطلاعات
 طراحی و پیاده‌سازی یک سامانه دیجیتال برای ارزیابی مستمر عملکرد نهادهای امدادی، ثبت درس‌آموخته‌ها، تحلیل بازخوردها و به‌روزرسانی سریع اطلاعات بحرانی ضروری است. چنین سامانه‌ای می‌تواند هماهنگ با نهادهای محلی و ملی عمل کرده و نقش مهمی در افزایش اثربخشی عملیات امداد و ارتقای رضایت عمومی ایفا کند.

تقویت سازوکارهای هماهنگی میان‌بخشی
 باتوجه‌به اهمیت تعهدات سازمان‌های درگیر و مشارکت عمومی–خصوصی، پیشنهاد می‌شود ستادهای هماهنگی چندسطحی (ملی، استانی و محلی) با حضور دولت، نهادهای امدادی، بخش خصوصی و سازمان‌های مردم‌نهاد ایجاد شوند. این ساختارها می‌توانند تقسیم وظایف، تسهیل مشارکت، رفع تعارضات نهادی و مدیریت منابع مشترک را بر عهده گرفته و پایداری سیستم مدیریت کیفیت در بحران‌ها را تضمین کنند.
باتوجه‌به مدل مفهومی توسعه‌یافته و یافته‌های حاصل از این پژوهش، زمینه‌های ارزشمندی برای گسترش تحقیقات آینده در حوزه مدیریت کیفیت در سوانح طبیعی فراهم شده است. پژوهشگران می‌توانند با تمرکز بر تقویت ابعاد مفهومی مدل و گسترش دامنه کاربرد آن، درک عمیق‌تری از پویایی‌ها و مؤلفه‌های تأثیرگذار در مدیریت بحران به‌دست آورند. بر همین اساس، پیشنهادهای زیر برای تحقیقات آتی ارائه می‌گردد.
 تحقیقات آتی می‌توانند با ادغام مدل مفهومی این پژوهش با فناوری‌های نوین مانند سیستم‌های اطلاعات جغرافیایی، هوش مصنوعی یا پلتفرم‌های داده‌محور، به توسعه سامانه‌های پشتیبان تصمیم‌گیری برای مدیران بحران بپردازند. این ترکیب می‌تواند اثربخشی عملیاتی مدل را در میدان عمل بهبود بخشد.
 باتوجه‌به اهمیت مشارکت عمومی–خصوصی به‌عنوان یک عامل پیوندی در مدل، پژوهشگران می‌توانند در تحقیقات آینده نقش مؤلفه‌هایی چون سرمایه اجتماعی، اعتماد عمومی و ظرفیت جامعه‌محور را در بهبود مشارکت در فرآیند امدادرسانی بررسی کنند. این مطالعه می‌تواند به ارائه راه‌کارهای غیربودجه‌ای در مدیریت کیفیت بحران منجر شود.
 پیشنهاد می‌شود کارایی و پویایی مدل در قالب پژوهش‌های تطبیقی در انواع مختلف سوانح طبیعی بررسی شود. این کار به شناسایی نقاط ضعف یا قوت مدل در مواجهه با ویژگی‌های خاص هر نوع حادثه کمک می‌کند و می‌تواند زمینه‌ساز توسعه نسخه‌های تخصصی‌شده مدل برای انواع خاصی از بحران‌ها باشد.
پیشنهاد می‌شود در تحقیقات آتی از روش‌شناسی پویایی سیستم‌ها برای تحلیل تعاملات بلندمدت میان عوامل مدل استفاده شود. این رویکرد امکان شبیه‌سازی سناریوهای مختلف در طول زمان را فراهم می‌سازد و به تصمیم‌گیران کمک می‌کند تا آثار تأخیر زمانی، بازخوردها و روابط غیرخطی بین مؤلفه‌های مدل را بهتر درک کرده و برای مداخلات راهبردی مؤثرتر برنامه‌ریزی کنند.

ملاحظات اخلاقی
پیروی از اصول اخلاق پژوهش
نویسندگان در تمامی مراحل این پژوهش، اصول اخلاق پژوهش را رعایت کرده‌اند. هیچ‌گونه آزمایشی بر روی نمونه‌های انسانی یا حیوانی انجام نشده است؛ از این رو، نیازی به دریافت کد تأییدیه اخلاقی نبود.

حامی مالی
این پژوهش هیچ‌گونه کمک مالی از سازمانی‌های دولتی، خصوصی و غیرانتفاعی دریافت نکرده است.

مشارکت نویسندگان
همه نویسندگان به‌طور یکسان در مفهوم و طراحی مطالعه، جمع‌آوری و تجزیه‌وتحلیل داده‌ها، تفسیر نتایج و تهیه پیش‌نویس مقاله مشارکت داشتند.

تعارض منافع
بنابر اظهار نویسندگان، این مقاله تعارض منافع ندارد.

تشکر و قدردانی
نویسندگان از تمامی خبرگان، مدیران و مشارکت‌کنندگانی که با اختصاص وقت و ارائه دانش، تجربه و دیدگاه‌های تخصصی خود در انجام این پژوهش همکاری کردند، صمیمانه تشکر و قدردانی نمایند؛ به‌ویژه از خبرگانی که در تکمیل پرسش‌نامه مقایسات زوجی و ارائه نظرات تخصصی و نیز پاسخ‌دهندگانی که در مرحله اعتبارسنجی مدل مشارکت داشتند، قدردانی می‌شود.

References
Abdul, S., Adeghe, E. P., Adegoke, B. O., Adegoke, A. A., & Udedeh, E. H. (2024). AI-enhanced healthcare management during natural disasters: conceptual insights. Engineering Science & Technology Journal, 5(5), 1794-1816. [DOI:10.51594/estj.v5i5.1155]
Abraham, K., Abdelwahab, M., & Abo-Zahhad, M. (2024). Classification and detection of natural disasters using machine learning and deep learning techniques: A review. Earth Science Informatics, 17(2), 869-891. [DOI:10.1007/s12145-023-01205-2]
Al‐Manji, S., Lovett, J., & Mitchell, G. (2021). Factors Affecting Disaster Resilience in Oman: Integrating Stakeholder Analysis and Fuzzy Cognitive Mapping. Risk, Hazards & Crisis in Public Policy, 12(1), 29-50. [DOI:10.1002/rhc3.12201]
Altun, T., & Güldiken, N. (2019). Natural disaster insurance: Public-private sector partnership. Journal of Human Sciences, 16(4), 1084-1095. [Link] 
Aronsson-Storrier, M. (2017). Sanitation, human rights and disaster management. Disaster Prevention and Management, 26(5), 514-525. [DOI:10.1108/DPM-02-2017-0032]
Baharin, S. S. K., Shibghatullah, A. S., & Othman, Z. (2009). Disaster management in malaysia: An application framework of integrated routing application for emergency response management system. Paper presented at: 2009 International Conference of Soft Computing and Pattern Recognition, Malacca, Malaysia, 04-07 December 2009. [DOI:10.1109/SoCPaR.2009.144]
Batooli, Z., Khajevandi, A. A., Kashani, M. M., Akbari, H., Mohammadfam, I., & Shahrivar, R. A. (2025). Structural Equation Modeling of the Relationships Between Safety Climate, Self-Determined Safety Motivation, and Safety Behavior in a High-Risk Industry. Journal of Health and Safety at Work, 15(4), 887-903. [DOI:10.18502/jhsw.v15i4.21458]
Carlin, R. E., Love, G. J., & Zechmeister, E. J. (2014). Natural disaster and democratic legitimacy: The public opinion consequences of Chile’s 2010 earthquake and tsunami. Political Research Quarterly, 67(1), 3-15. [DOI:10.1177/1065912913495592]
Chen, Y. E., Li, C., Chang, C. P., & Zheng, M. (2021). Identifying the influence of natural disasters on technological innovation. Economic Analysis and Policy, 70, 22-36. [DOI:10.1016/j.eap.2021.01.016]
Chikodzi, D., & Khumalo, P. (2021). Social and Physical Vulnerability of Settlements to Hydro-Climatic Induced Disasters: Lessons from Cyclone Idai in Zimbabwe. In: G. Nhamo & D. Chikodzi, (Eds), Cyclones in Southern Africa. Sustainable Development Goals Series. Cham: Springer. [DOI:10.1007/978-3-030-74303-1_13]
David Swanson, R., & Smith, R. J. (2013). A path to a public-private partnership: Commercial logistics concepts applied to disaster response. Journal of Business Logistics, 34(4), 335-346. [DOI:10.1111/jbl.12031]
Djoumessi, Y. F., & Mbongo, L. B. E. (2022). An analysis of information Communication Technologies for natural disaster management in Africa. International Journal of Disaster Risk Reduction, 68, 102722. [DOI:10.1016/j.ijdrr.2021.102722]
Dong, Z. S., Meng, L., Christenson, L., & Fulton, L. (2021). Social media information sharing for natural disaster response. Natural hazards, 107(3), 2077-2104. [DOI:10.1007/s11069-021-04528-9]
Edwards, B., Gray, M., & Borja, J. (2021). The influence of natural disasters on violence, mental health, food insecurity, and stunting in the Philippines: Findings from a nationally representative cohort. SSM - Population Health, 15, 100825. [DOI:10.1016/j.ssmph.2021.100825] [PMID] 
Eskandari, M., Asghari, H., & Modiri M. (2025). [Identifying and Prioritizing Risk Factors in Supply Chain Logistics for Crisis Management Using an Integrated Fuzzy Approach (Persian)]. Disaster Prevention and Management Knowledge, 15 (1), 104-123. [DOI:10.32598/DMKP.15.1.894.1]
Ezeasor, I. C., Madu, C. N., Kuei, C. H., Ozumba, B. C., Madu, I. E., & Nnadi, V. E. (2018). Evolving Disaster Relief Supply Chain Quality Management (DRSCQM) into Nigeria’s Emergency Operations. In Handbook of Disaster Risk Reduction & Management (pp. 867-888). Singapore: World Scientific. [DOI:10.1142/9789813207950_0036]
Ezeonu, N. A., Hertelendy, A. J., Adu, M. K., Kung, J. Y., Itanyi, I. U., & Dias, R. D. L., et al. (2024). Mobile apps to support mental health response in natural disasters: Scoping review. Journal of Medical Internet Research, 26, e49929. [DOI:10.2196/49929] [PMID] 
Fuller, P. (2020). Disasters displace more people than conflict and violence. Geneva: UN Office for Disaster Risk Reduction. [Link] 
Hayes, P., & Kelly, S. (2018). Distributed morality, privacy, and social media in natural disaster response. Technology in Society, 54, 155-167. [DOI:10.1016/j.techsoc.2018.05.003]
Hersperger, A. M., Grădinaru, S., Oliveira, E., Pagliarin, S., & Palka, G. (2019). Understanding strategic spatial planning to effectively guide development of urban regions. Cities, 94, 96-105. [DOI:10.1016/j.cities.2019.05.032]
Huang, Y., Liu, M., Yang, J., Fang, W., Ma, Z., & Bi, J. (2025). Harnessing emerging technologies to address data gaps in natural disaster risk management: A conceptual framework and applications. Frontiers of Engineering Management, 12, 1242–1253. [DOI:10.1007/s42524-025-5019-9]
Jahromi Rajabi, G., & KeshavarzFard, R. (2025). [A Collaborative Model of Humanitarian Assistance for Maximum Coverage of Areas Affected by Natural Disasters (Persian)]. Disaster Prevention and Management Knowledge,15 (2), 182-201. [DOI:10.32598/DMKP.15.2.895.1] 
Khan, M., Lee, H. Y., & Bae, J. H. (2019). The role of transparency in humanitarian logistics. Sustainability, 11(7), 2078. [DOI:10.3390/su11072078]
Khankeh, H., & Hosseini, S. (2017). [Choosing best crisis management model resulting from natural disasters in target countries based on multiple criteria decision making (AHP) (Persian)]. Strategic Defense Studies, 15(70), 301-320. [Link]
Komendantova, N., & Erokhin, D. (2025). Artificial Intelligence Tools in Misinformation Management during Natural Disasters. Public Organization Review, 25, 81–105. [DOI:10.1007/s11115-025-00815-2]
Kong, D., Lin, Z., Wang, Y., & Xiang, J. (2021). Natural disasters and analysts’ earnings forecasts. Journal of Corporate Finance, 66, 101860. [DOI:10.1016/j.jcorpfin.2020.101860]
Kruhlov, V., Latynin, M., Horban, A., & Petrov, A. (2020). Public-private partnership in cybersecurity. In S. Gnatyuk, S. Fedushko, Z. Hu, R. Odarchenko, Y. Syerov, A. Peleshchyshyn, & I. Korobiichuk (Eds.), Proceedings of the International Workshop on Cyber Hygiene (CybHyg-2019) (CEUR Workshop Proceedings, Vol. 2654, pp. 619–628). [Link] 
Kumbhar, A., Koohifar, F., Güvenç, I., & Mueller, B. (2016). A survey on legacy and emerging technologies for public safety communications. IEEE Communications Surveys & Tutorials, 19(1), 97-124. [DOI:10.1109/COMST.2016.2612223]
Kusumasari, B., Alam, Q., & Siddiqui, K. (2010). Resource capability for local government in managing disaster. Disaster Prevention and Management: An International Journal, 19(4), 438-451. [DOI:10.1108/09653561011070367]
Lahiri, S., Snowden, B., Gu, J., Krishnan, N., Yellin, H., & Ndiaye, K. (2021). Multidisciplinary Team Processes Parallel, Natural Disaster Preparedness and Response: A qualitative case study. International Journal of Disaster Risk Reduction, 61, 102369. [DOI:10.1016/j.ijdrr.2021.102369]
Lake, A. W., James, H., & Berketa, J. W. (2012). Disaster victim identification: Quality management from an odontology perspective. Forensic Science, Medicine, and Pathology, 8(2), 157–163. [DOI:10.1007/s12024-011-9286-x] [PMID]
Larson, P. D., & Foropon, C. (2018). Process improvement in humanitarian operations: an organisational theory perspective. International Journal of Production Research, 56(21), 6828-6841. [DOI:10.1080/00207543.2018.1424374]
Lassa, J. A., Surjan, A., Caballero-Anthony, M., & Fisher, R. (2019). Measuring political will: An index of commitment to disaster risk reduction. International Journal of Disaster Risk Reduction, 34, 64-74. [DOI:10.1016/j.ijdrr.2018.11.006]
Madu, C. N., & Kuei, C. H. (2014). Disaster relief supply chain quality management (DRSCQM). International Journal of Quality & Reliability Management, 31(9), 1052-1067. [DOI:10.1108/IJQRM-08-2013-0136]
Malekinejad, P., Zeiaeian, M., & Zeiaeian, M. (2020). Designing a new framework for the competency model of higher education managers using ISM and SEM integrated approach. Journal of Standard and Quality Management, 10(1), 101-129. [Link]
Malekinejad, P., Ziaeian, M., & Bamakan, S. M. H. (2022). A communication model for reducing the bullwhip effect in closed-loop supply chain. Advances in Industrial and Manufacturing Engineering, 5, 100086. [DOI:10.1016/j.aime.2022.100086]
Mansourian, A., Rajabifard, A., Zoej, M. V., & Williamson, I. (2006). Using SDI and web-based system to facilitate disaster management. Computers & Geosciences, 32(3), 303-315. [DOI:10.1016/j.cageo.2005.06.017]
Masiyakurima, P., Chilunjika, A., & Muzvidziwa-Chilunjika, S. R. T. (2020). Challenges faced in the implementation of the Zimbabwe Agenda for Sustainable Socio-Economic Transformation (ZIMASSET) economic policy from 2013 to 2018. International Journal of Humanities, Management and Social Science, 3(2), 89–103. [DOI:10.36079/lamintang.ij-humass-0302.150] 
Matsuoka, Y., & Gonzales Rocha, E. (2020). Sendai voluntary commitments: landslide stakeholders and the all-of-society approach enhanced by UNDRR. Landslides, 17(10), 2253-2269. [DOI:10.1007/s10346-020-01519-y] [PMID] 
Meerow, S., & Newell, J. P. (2019). Urban resilience for whom, what, when, where, and why?. Urban Geography, 40(3), 309-329. [DOI:10.1080/02723638.2016.1206395] 
Modgil, S., Singh, R. K., & Foropon, C. (2020). Quality management in humanitarian operations and disaster relief management: A review and future research directions. Annals of Operations Research, 319(1), 1045–1098. [DOI:10.1007/s10479-020-03695-5] [PMID]
Mohammadfam, I., Soltanzadeh, A., Arsang, S., & Mohammadi, H. (2018). Structural equation modeling modeling (SEM) of occupational accidents size based on risk management factors; A field study in process industries. Health Scope, 8(1), e62380. [DOI:10.5812/jhealthscope.62380]
Naderibani, M., Ebrahimzadeh Pezeshki, R., Abolghasemi, M., & Malekinejad, P. (2017). [Designing a conceptual model for achieving corporate entrepreneurship using an integrated approach of Mikhailov’s fuzzy analytic hierarchy process and interpretive structural modeling: A case study of the Sports and Youth Organization of Yazd Province (Persian)]. Journal of Applied Research in Sport Management, 6(3), 127–139. [Link]
Obeagu, E. I., & Obeagu, G. U. (2024). Mental Health and Psychosocial Effects of natural disaster on HIV Patients. Sciences, 4(1), 38-44. [DOI:10.22270/ajdhs.v4i1.63]
Palliyaguru, R., & Amaratunga, D. (2008). Managing disaster risks through quality infrastructure and vice versa: Post‐disaster infrastructure reconstruction practices. International Journal of Building Pathology and Adaptation, 26(5), 426–434. [DOI:10.1108/02630800810922766]
Platt, S. (2018). Factors affecting the speed and quality of post-disaster recovery and resilience. In R. Rupakhety & S. Ólafsson (Eds), Earthquake Engineering and Structural Dynamics in Memory of Ragnar Sigbjörnsson. ICESD 2017. Geotechnical, Geological and Earthquake Engineering, vol 44. Cham: Springer. [DOI:10.1007/978-3-319-62099-2_19]
Rabta, B., Wankmüller, C., & Reiner, G. (2018). A drone fleet model for last-mile distribution in disaster relief operations. International Journal of Disaster Risk Reduction, 28, 107-112. [DOI:10.1016/j.ijdrr.2018.02.020]
Ritchie, H., & Rosado, P. (2024). Is the number of natural disasters increasing?. Retrieved from: [Link]
Sabouhi, F., Bozorgi-Amiri, A., Moshref-Javadi, M., & Heydari, M. (2019). An integrated routing and scheduling model for evacuation and commodity distribution in large-scale disaster relief operations: a case study. Annals of Operations Research, 283(1), 643-677. [DOI:10.1007/s10479-018-2807-1]
Sakurai, M., & Murayama, Y. (2019). Information technologies and disaster management-Benefits and issues. Progress in Disaster Science, 2, 100012. [DOI:10.1016/j.pdisas.2019.100012]
Samad, M. A., Arifin, K., & Abas, A. (2025). A systematic literature review on the challenges of Southeast Asian countries in natural disaster management. Cogent Social Sciences, 11(1), 2435590. [DOI:10.1080/23311886.2024.2435590]
Sassa, S., & Takagawa, T. (2019). Liquefied gravity flow-induced tsunami: First evidence and comparison from the 2018 Indonesia Sulawesi earthquake and tsunami disasters. Landslides, 16(1), 195-200. [DOI:10.1007/s10346-018-1114-x]
Sepúlveda, E., Contreras, R., & Castillo, A. M. (2021). Socio-natural Disasters and Poverty: An Analysis from Emergency Decrees Issued in Chile. Social Work & Society, 19(1), 1-16. [Link]
Seraphin, H. (2019). Natural disaster and destination management: The case of the Caribbean and hurricane Irma. Current Issues in Tourism, 22(1), 21-28. [DOI:10.1080/13683500.2017.1422483]
Shakya, S., Basnet, S., & Paudel, J. (2022). Natural disasters and labor migration: Evidence from Nepal’s earthquake. World Development, 151, 105748. [DOI:10.1016/j.worlddev.2021.105748]
Siwedza, S., & Shava, S. (2020). Insurance, increasing natural disaster risks and the SDGs: A focus on Southern Africa. In G. Nhamo, G. Odularu, & V. Mjimba (Eds), Scaling up SDGs Implementation. Sustainable Development Goals Series. Cham: Springer. [DOI:10.1007/978-3-030-33216-7_9]
Saffari Darberazi, A., Malekinejad, P., & Ziaeian, M. (2021). [Designing a Green Knowledge Deployment and Implementation Model with an Integrated Approach to Interpretive Structural Modeling and Structural Equation Modeling (Persian)]. Sciences and Techniques of Information Management, 7(3), 123-158. [DOI:10.22091/stim.2020.6169.1469]
Soltanzadeh, A., Heidari, H. R., Mahdinia, M., Mohammadi, H., Mohammadbeigi, A., & Mohammadfam, I. (2019). [Path analysis of occupational injuries based on the structural equation modeling approach: A retrospective study in the construction industry (Persian)]. Iran Occupational Health, 16(3), 47–57. [Link]
Soltani, A., Khankeh, H., & Nasiri, A. (2025). [Effective Factors in Organizing Volunteers to Participate in the Management of Urban Crises in Tehran, Iran (Persian)]. Disaster Prevention and Management Knowledge, 15 (1), 16-29. [DOI:10.32598/DMKP.15.1.888.1]
Soltanzadeh, A., Mohammadfam, I., Mahdinia, M., & Sadeghi-Yarandi, M. (2023). Construction accident data mining: A retrospective study using structural equation modeling based on 10-year data. Work (Reading, Mass.), 75(4), 1341–1350. [DOI:10.3233/WOR-220128] [PMID]
Stenseke, M., & Larigauderie, A. (2018). The role, importance and challenges of social sciences and humanities in the work of the intergovernmental science-policy platform on biodiversity and ecosystem services (IPBES). Innovation: The European Journal of Social Science Research, 31(sup1), S10-S14. [DOI:10.1080/13511610.2017.1398076]
Suresh, M., Ganesh, S., & Raman, R. (2019). Modelling the factors of agility of humanitarian operations. International Journal of Agile Systems and Management, 12(2), 108-123. [DOI:10.1504/IJASM.2019.100356]
Taghizadeh-Hesary, F., Sarker, T., Yoshino, N., Mortha, A., Vo, X. V. (2021). Quality infrastructure and natural disaster resiliency: A panel analysis of Asia and the Pacific. Economic Analysis and Policy, 69, 394-406. [DOI:10.1016/j.eap.2020.12.021]
Talaie, H., Ziaeian, M., & Malekinejad, P. (2022). [Designing the establishment and implementation model of quality 4.0 with the integrated approach of interpretive structural modeling and structural equation modeling (Persian)]. Journal of Quality Engineering and Management, 12(1), 51–68. [DOI:10.48313/jqem.2022.164188]
Tang, R., Wu, J., Ye, M., & Liu, W. (2019). Impact of economic development levels and disaster types on the short-term macroeconomic consequences of natural hazard-induced disasters in China. International Journal of Disaster Risk Science, 10(3), 371-385. [DOI:10.1007/s13753-019-00234-0]
Wagner, N., & Agrawal, V. (2014). An agent-based simulation system for concert venue crowd evacuation modeling in the presence of a fire disaster. Expert Systems with Applications, 41(6), 2807-2815. [DOI:10.1016/j.eswa.2013.10.013]
Waluszewski, A., Hakansson, H., & Snehota, I. (2019). The public-private partnership (PPP) disaster of a new hospital-expected political and existing business interaction patterns. Journal of Business & Industrial Marketing, 34(5), 1119-1130. [DOI:10.1108/JBIM-12-2018-0377]
Warner, K., Pflug, G., Martin, L. A., Linnerooth-Bayer, J., Freeman, P., & Mechler, R. (2003). Disaster risk management: National systems for the comprehensive management of disaster risk and financial strategies for natural disaster reconstruction. [DOI:10.18235/0010539]
Warsame, A. A., Mohamed, J., & Sarkodie, S. A. (2024). Natural disasters, deforestation, and emissions affect economic growth in Somalia. Heliyon, 10(6), e28214. [DOI:10.1016/j.heliyon.2024.e28214] [PMID] 
Yahyaei, M., & Bozorgi-Amiri, A. (2019). Robust reliable humanitarian relief network design: An integration of shelter and supply facility location. Annals of Operations Research, 283(1), 897-916. [DOI:10.1007/s10479-018-2758-6]
Yang, J., Hou, H., & Hu, H. (2024). Exploring the intelligent emergency management mode of rural natural disasters in the era of digital technology. Sustainability, 16(6), 2366. [DOI:10.3390/su16062366]
Yulianto, E., Yusanta, D. A., Utari, P., & Satyawan, I. A. (2021). Community adaptation and action during the emergency response phase: Case study of natural disasters in Palu, Indonesia. International Journal of Disaster Risk Reduction, 65, 102557. [DOI:10.1016/j.ijdrr.2021.102557]