💻 computer science

A Mechanism-Based Planning Framework for Equitable and Merit-Preserving University Admissions

यह शोध पत्र एडेप्टिव मेरिट फ्रेमवर्क (AMF) का प्रस्ताव करता है, जो एक पारदर्शी, नियम-आधारित तंत्र है जो वंचित पृष्ठभूमि के उच्च-योग्यता वाले उम्मीदवारों की पहचान करने के लिए एक सामाजिक-आर्थिक सुधार पैरामीटर का उपयोग करता है, जिससे मानक प्रवेशों को विस्थापित किए बिना समानता और योग्यता के बीच संतुलन बनाया जा सके, और यह एक गैर-विवेकाधीन निर्णय पाइपलाइन के माध्यम से किया जाता है।

मूल लेखक: Jung-Ah Lee

प्रकाशित 2026-02-10

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Jung-Ah Lee

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक उच्च-दांव वाली मैराथन आयोजित कर रहे हैं। आप सबसे तेज़ धावक (जिसे "योग्यता" या "मेरिट" कहा जाता है) को ताज पहनाना चाहते हैं, लेकिन आप यह भी महसूस करते हैं कि कुछ धावक दौड़ में बाकी सभी से पांच मील पीछे से शुरू हुए क्योंकि उनके पास शुरुआती रेखा तक पहुँचने के लिए कार नहीं थी (जो "सामाजिक-आर्थिक नुकसान" का प्रतीक है)।

वर्तमान में, अधिकांश आयोजक इसे संभालने के दो तरीकों में से एक का उपयोग करते हैं: या तो वे इस बढ़त की अनदेखी करते हैं (जो वंचितों के लिए अन्यायपूर्ण लगता है) या वे उनके लिए एक अलग "धीमी लेन" बना देते हैं (जो उपदेशात्मक लग सकता है या इस बात पर बहस पैदा कर सकता है कि वास्तव में विजेता समूह में किसका स्थान है)।

यह शोध पत्र एक तीसरा तरीका प्रस्तावित करता है: एडेप्टिव मेरिट फ्रेमवर्क (AMF - अनुकूलन योग्य योग्यता ढांचा)।

यह कैसे काम करता है, इसका विवरण रोजमर्रा की अवधारणाओं का उपयोग करके यहाँ दिया गया है।

1. "नो-डिस्प्लेसमेंट" नियम: अतिरिक्त लेन

अधिकांश प्रणालियों में, यदि आप किसी व्यक्ति को "बोनस" देते हैं, तो आपको किसी और की जगह लेनी पड़ती है। यह एक "जीरो-सम गेम" बनाता है जहाँ लोग सीमित सीटों के लिए लड़ते हैं।

उपमा: कल्पना कीजिए कि एक थिएटर में 100 सीटें हैं। आमतौर पर, 100 सबसे तेज़ धावक अंदर जाते हैं। AMF उन 100 सीटों में से किसी को बाहर नहीं निकालता है। इसके बजाय, यह कहता है, "यदि एक वंचित पृष्ठभूमि का धावक नेताओं से केवल कुछ सेकंड ही पीछे था, तो हम विशेष रूप से उनके लिए कुछ अतिरिक्त सीटें खोल देंगे।"

"नियमित" विजेता अपनी सीटें बनाए रखते हैं, और "छिपी हुई प्रतिभाओं" को बिना किसी को अपनी जगह "लूटने" का अहसास कराए, समूह में शामिल होने का मौका मिलता है।

2. "करेक्शन रूल": हवा का समायोजन

शोध पत्र का तर्क है कि किसी व्यक्ति का स्कोर केवल उसकी प्रतिभा का माप नहीं है; यह उसकी प्रतिभा प्लस उसके पीछे चल रही "हवा" का माप है। उच्च-आय वाले छात्रों के पास 'टेलविंड' (अनुकूल हवा) होती है (ट्यूटर, स्थिर घर, संसाधन), जबकि कम आय वाले छात्र 'हेडविंड' (सामने से आने वाली हवा) के विरुद्ध दौड़ रहे होते हैं।

उपमा: इसे एक पेशेवर साइकिल चालक के रूप में सोचें। यदि एक साइकिल चालक शांत क्षेत्र में सवारी कर रहा है और दूसरा एक भीषण तूफान के विरुद्ध सवारी कर रहा है, तो दूसरे की गति उसकी वास्तविक शक्ति का पूरा विवरण नहीं बताती है। AMF सटीक रूप से गणना करता है कि कितनी "हवा" छात्र के विरुद्ध चल रही थी और उन्हें उनके स्कोर में एक छोटा सा गणितीय "बूस्ट" देता है ताकि यह देखा जा सके कि आदर्श परिस्थितियों में उनकी गति क्या होती।

3. "डिसीजन स्पाइन": स्वचालित वेंडिंग मशीन

निष्पक्षता नीतियों की सबसे बड़ी समस्याओं में से एक "विवेक" (discretion) है—यानी, एक मानव अधिकारी यह तय करता है कि कौन "पर्याप्त रूप से जरूरतमंद" है। इससे पूर्वाग्रह, भ्रष्टाचार या भ्रम पैदा होता है।

उपमा: शोध पत्र सुझाव देता है कि प्रवेश प्रक्रिया को एक न्यायाधीश के न्यायालय के बजाय एक हाई-टेक वेंडिंग मशीन में बदल दिया जाए।

इनपुट: आप अपना स्कोर और अपनी पृष्ठभूमि का डेटा डालते हैं।
सेटिंग्स: सरकार या विश्वविद्यालय एक एकल डायल (जिसे $\alpha$ कहा जाता है) सेट करता है जो "हवा के समायोजन" की ताकत निर्धारित करता है।
परिणाम: एक बार डायल सेट हो जाने के बाद, मशीन स्वचालित रूप से चलती है। कोई "मध्यस्थ" नहीं है जो अपने दोस्त का पक्ष ले सके या बीच में नियम बदल सके। यह पारदर्शी, अनुमानित और "अपरिवर्तनीय" है।

4. परिणाम: "छिपी हुई उत्कृष्टता" को खोजना

शोधकर्ता ने दक्षिण कोरिया के डेटा का उपयोग करके इसका परीक्षण किया। परिणाम चौंकाने वाले थे:

यह सर्जिकल है, हथौड़े की तरह नहीं: इस प्रणाली ने हजारों लोगों को प्रवेश नहीं दिया; इसने केवल कुछ चुनिated (tiny handful) "छिपी हुई उत्कृष्टता" को खोजा—ऐसे छात्र जो अविश्वसनीय रूप से प्रतिभाशाली थे लेकिन अपनी परिस्थितियों के कारण बस कट-ऑफ से थोड़ा ही पीछे रह गए थे।
यह अत्यधिक लक्षित है: इसने गलती से धनी छात्रों को बोनस नहीं दिया। इसने विशेष रूप से आर्थिक सीढ़ी के निचले आधे हिस्से के उन लोगों को खोजा जो शीर्ष स्तर का प्रदर्शन कर रहे थे।

सारांश: बड़ा विचार

यह शोध पत्र बातचीत को इस बात से हटाकर कि "हम पाई (pie) को निष्पक्ष रूप से कैसे विभाजित करें?" इस ओर ले जाता है कि "हम यह कैसे सुनिश्चित करें कि हम सर्वश्रेष्ठ सामग्रियों को धूल से ढका हुआ समझकर छोड़ न दें?"

यह प्रतिभा को पुरस्कृत करने का एक तरीका है, साथ ही इस बात को स्वीकार करने का भी कि "मैदान" समतल नहीं है, और यह सब योग्यता के नियमों को तोड़े बिना या प्रक्रिया को राजनीतिक युद्धक्षेत्र बनाए बिना किया जाता है।

तकनीकी सारांश: न्यायसंगत विश्वविद्यालय प्रवेश के लिए एडेप्टिव मेरिट फ्रेमवर्क (AMF)

1. समस्या विवरण

यह शोध पत्र उच्च शिक्षा प्रवेश में एक मौलिक तनाव को संबोधित करता है: मेरिटोक्रेसी (प्रदर्शित क्षमता के आधार पर चयन) और इक्विटी (सामाजिक-आर्थिक नुकसान के सुधार) के बीच का संघर्ष। मौजूदा निष्पक्षता हस्तक्षेपों में आमतौर पर तीन संरचनात्मक दोष होते हैं:

प्रॉक्सी डिपेंडेंस (प्रतिनिधि निर्भरता): मोटे समूह-आधारित श्रेणियों (जाति, क्षेत्र) पर निर्भर रहना जो व्यक्तिगत स्तर के नुकसान को पकड़ने में विफल रहते हैं और जिनमें सटीकता का अभाव होता है।
जीरो-सम स्ट्रक्चर (शून्य-योग संरचना): पारंपरिक कोटा अक्सर "इक्विटी" प्रवेशों के लिए जगह बनाने के लिए उच्च-मेरिट वाले "नियमित" प्रवेशों को विस्थापित कर देते हैं, जिससे संस्थागत वैधता और सार्वजनिक विश्वास कम होता है।
अपारदर्शिता और विवेकाधिकार: कई प्रणालियाँ तदर्थ (ad hoc), विवेकाधीन समायोजनों या अपारदर्शी "एडवर्सिटी स्कोर्स" (विपत्ति स्कोर) पर निर्भर करती हैं, जो रणनीतिक हेरफेर के प्रति संवेदनशील हैं और जिनमें प्रक्रियात्मक पारदर्शिता का अभाव है।

लेखक एक "टैलेंट रिकग्निशन" (प्रतिभा पहचान) अंतराल की पहचान करते हैं, विशेष रूप से दक्षिण कोरिया जैसे संदर्भों में, जहाँ निम्न-SES (सामाजिक-आर्थिक स्थिति) आबादी के भीतर उच्च शैक्षणिक क्षमता मौजूद है लेकिन इसे निरंतर ऊपरमुखी गतिशीलता (upward mobility) में परिवर्तित नहीं किया जा सका है।

2. कार्यप्रणाली: एडेप्टिव मेरिट फ्रेमवर्क (AMF)

AMF एक तंत्र-आधारित आर्किटेक्चर है जिसे एक पारदर्शी, नियम-आधारित सुधार मॉडल के माध्यम से "छिपी हुई उत्कृष्टता" को पहचानने के लिए डिज़ाइन किया गया है। यह तीन मुख्य संरचनात्मक प्रतिबद्धताओं द्वारा परिभाषित है:

A. सुधार नियम (गणितीय विशिष्टता):
फ्रेमवर्क एक गैर-विस्थापन, दोहरी-चयन संरचना का उपयोग करता है।

नियमित प्रवेश: विशेष रूप से कच्चे मेरिट स्कोर ( $M_i \ge T$ ) द्वारा निर्धारित होता है, जहाँ $T$ शीर्ष- $k$ आवेदकों के लिए थ्रेशोल्ड (सीमा) है।
सशर्त (अतिरिक्त) प्रवेश: यदि आवेदकों का सुधारित स्कोर ( $M_i^*$ ) उसी थ्रेशोल्ड $T$ को पूरा करता है, तो वे अतिरिक्त सीटों के लिए पात्र होते हैं।
सुधार की गणना इस प्रकार की जाती है:
$C_i = \alpha \cdot (0.5 - S_i)$
जहाँ:

$S_i \in [0,1]$ सामाजिक-आर्थिक स्थिति (SES) सूचकांक का पर्सेंटाइल-सामान्यीकृत मान है।
$\mu = 0.5$ जनसंख्या माध्य (यह सुनिश्चित करने के लिए कि केवल औसत से नीचे वालों को ही सुधार मिले) है।
$\alpha$ एक एकल, ट्यूनेबल नीति पैरामीटर है जो इक्विटी अंशांकन (calibration) की तीव्रता का प्रतिनिधित्व करता है।

B. निर्णय स्पाइन (शासन संरचना):
संस्थागत विवेकाधिकार को समाप्त करने के लिए, शोध पत्र एक पांच-चरणीय "डिसीजन स्पाइन" प्रस्तावित करता है:

इनपुट परिभाषा: सत्यापन योग्य प्रशासनिक संकेतकों का निश्चित चयन।
एकत्रीकरण (Aggregation): संकेतकों का गैर-विवेकाधीन तकनीकी प्रसंस्करण।
इक्विटी अंशांकन (Equity Calibration): एकमात्र मानकीय हस्तक्षेप बिंदु जहाँ $\alpha$ निर्धारित किया जाता है।
बैच निष्पादन (Batch Execution): व्यक्तिगत स्तर के अपवादों को रोकने के लिए पूरे पूल पर नियमों का एक साथ अनुप्रयोग।
अपरिवर्तनीय समापन (Irreversible Closure): यह सुनिश्चित करने के लिए एक ऑडिट-एंड-सील प्रक्रिया कि परिणामों को बाद में संशोधित नहीं किया जा सकता है।

C. अनुभवजन्य सत्यापन (Empirical Validation):
इस फ्रेमवर्क का परीक्षण PISA 2022 कोरिया गणित डेटा ( $N = 6,377$ ) का उपयोग करके किया गया। सिमुलेशन ने प्रवेश संरचना और मेरिट थ्रेशोल्ड पर प्रभाव को देखने के लिए $\alpha \in \{5, 10, 15\}$ के विभिन्न तीव्रताओं का उपयोग किया।

3. प्रमुख योगदान

प्रक्रियात्मक पुनर्गठन: निष्पक्षता की बहस को नैतिक/वितरणात्मक निर्णय से बदलकर पारदर्शिता और ऑडिटेबिलिटी पर केंद्रित एक प्रक्रियात्मक डिजाइन समस्या में बदल देता है।
गैर-विस्थापन तंत्र: अवसर का विस्तार करने (योगात्मक/additive) के बजाय मौजूदा सीटों को पुनर्वितरित करने (प्रतिस्थापनीय/substitutive) के लिए एक गणितीय तरीका पेश करता है।
निर्णय संरचना: एक "गवर्नेंस-रेडी" मॉडल (डिसीजन स्पाइन) प्रदान करता है जो मानकीय नीतिगत विकल्पों ( $\alpha$ ) को तकनीकी और प्रशासनिक निष्पादन से अलग करता है।
एकीकरण मॉडल: एक "यूनिफाइड-पूल" दृष्टिकोण प्रस्तावित करता है जो खंडित श्रेणीगत कोटा के स्थान पर एक एकल, निरंतर सुधार तंत्र को प्रतिस्थापित करता है।

4. परिणाम

PISA डेटासेट पर अनुभवजन्य अनुप्रयोग ने कई महत्वपूर्ण निष्कर्ष दिए:

चयनात्मक विस्तार (Selective Expansion): फ्रेमवर्क बहुत कम अतिरिक्त उम्मीदवारों (4-9 छात्र, या कोहोर्ट का $<0.15\%$ ) की पहचान करता है। यह पुष्टि करता है कि उच्च-मेरिट, निम्न-SES व्यक्ति एक "दुर्लभ जनसंख्या" हैं न कि एक बड़ा, अनछुआ समूह।
सटीक लक्ष्यीकरण: 100% सशर्त प्रवेशकर्ता SES वितरण के निचले 50% (क्वाटाइल 1 और 2) से आए थे। शीर्ष दो क्वाटाइल से कोई भी छात्र पात्र नहीं हुआ, जो यह सिद्ध करता है कि तंत्र "प्रॉक्सी लीकेज" से बचता है।
मेरिट संरक्षण: सभी सशर्त प्रवेशकर्ता सुधार के बाद मूल मेरिट थ्रेशोल्ड से ऊपर थे। यह तंत्र कम प्रदर्शन करने वाले छात्रों के लिए मानकों को कम करने के बजाय "दबी हुई प्रदर्शन क्षमता" (वे छात्र जो कटऑफ के बहुत करीब थे) को पहचानता है।
मजबूती (Robustness): तंत्र SES शोर (noise), स्कोर विचरण (variance) और थ्रेशोल्ड शिफ्ट के व्यवधानों के तहत स्थिर रहा।

5. महत्व

AMF विवादास्पद सकारात्मक कार्रवाई (affirmative action) नीतियों के लिए एक स्केलेबल और वैध विकल्प प्रदान करता है। एक गतिशील मेरिट थ्रेशोल्ड और एक एकल अंशांकन पैरामीटर से निष्पक्षता को जोड़कर, यह निम्नलिखित प्रदान करता है:

संस्थागत स्थिरता: विश्वविद्यालय अपने मेरिट मानकों पर स्वायत्तता बनाए रखते हुए इक्विटी लक्ष्यों को पूरा कर सकते हैं।
सार्वजनिक वैधता: नियम-आधारित, गैर-विस्थापित प्रकृति फ्रेमवर्क "रिवर्स डिस्क्रिमिनेशन" (विपरीत भेदभाव) की चिंताओं को कम करती है।
नीतिगत पूर्वानुमेयता: नीति निर्माता बजटीय और क्षमता संबंधी बाधाओं के आधार पर सामाजिक गतिशीलता हस्तक्षेप की तीव्रता को मापने के लिए $\alpha$ का उपयोग पूर्वानुमानित रूप से कर सकते हैं।