Reply To: Global Gridded Population Datasets Systematically Underrepresent Rural Population by Josias Láng-Ritter et al
लेखक लैंग-रिटर और अन्य के अध्ययन की आलोचना करते हुए तर्क देते हैं कि ग्रामीण आबादी का कथित कम प्रतिनिधित्व वास्तविक अल्पगणना के बजाय पद्धतिगत विकल्पों और ऐतिहासिक अनुमान त्रुटियों के कारण होने की संभावना है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
"लापता अरबों" की बहस: एक सरल विवरण
कल्पना कीजिए कि आप एक विशाल, फैले हुए जंगल में रहने वाले सभी लोगों को गिनने की कोशिश कर रहे हैं। आपके पास हर एक पेड़ के पास खड़ा होने के लिए कोई व्यक्ति नहीं है, इसलिए इसके बजाय, आप ऊपर से तस्वीरें लेने के लिए एक हाई-टेक ड्रोन का उपयोग करते हैं। आप छतों के समूह और रास्ते देखते हैं, और आप एक कंप्यूटर प्रोग्राम का उपयोग करके अनुमान लगाते हैं, "ठीक है, अगर यहाँ तीन घर हैं, तो शायद यहाँ 15 लोग रह रहे होंगे।"
हाल ही में एक वैज्ञानिक शोध पत्र (जोसियास लैंग-रिटर और अन्य द्वारा) ने इन "ड्रोन मानचित्रों" (जिन्हें ग्रिड जनसंख्या डेटासेट कहा जाता है) को देखा और एक चौंकाने वाला दावा किया: "हमारे मानचित्र ग्रामीण क्षेत्रों में आधे लोगों को भी नहीं देख पा रहे हैं! पृथ्वी पर हमारे अनुमान से अरबों अधिक लोग हो सकते हैं!"
यह एक बहुत बड़ी खोज लगती है, है ना? खैर, वैज्ञानिकों के एक अन्य समूह ने एक "खंडन" (rebuttal) लिखा है—जो एक विनम्र लेकिन दृढ़ तरीका है यह कहने का कि, "ठहरिए। आप निष्कर्ष निकालने में जल्दबाजी कर रहे हैं।"
यहाँ उन्होंने समझाया कि कैसे "लापता अरबों" का दावा एक गणितीय भ्रम हो सकता है।
1. "स्थानांतरण का दिन" की समस्या (Temporal Misalignment)
कल्पना कीजिए कि आप पिछले साल एक मोहल्ले से बाहर जाने वाले लोगों की सूची देखकर यह गिनने की कोशिश कर रहे हैं कि कितने लोग उस मोहल्ले में रहते हैं। यदि आप सूची को तब देखते हैं जब वे पहले ही अपने नए घरों में जा चुके होते हैं, तो आप सोच सकते हैं, "वाह, यह मोहारा खाली है! जनगणना गलत रही होगी!"
मूल अध्ययन ने बांध परियोजनाओं (dam projects) को देखा। उन्होंने पुराने जनसंख्या मानचित्रों की तुलना उन लोगों की सूचियों से की जो पुनर्स्थापित (resettled) किए गए थे। लेकिन लोग बांध के पूरा होने से वर्षों पहले ही बांध क्षेत्र से बाहर निकल जाते हैं। अध्ययन वास्तव में उन लोगों को गिन रहा था जो पहले ही अपना सामान पैक कर चुके थे और जा चुके थे, जिससे ऐसा लगा कि मानचित्र उन्हें "खो" रहे हैं, जबकि वास्तव में, वे अब वहाँ थे ही नहीं।
2. "छोटी संख्या" का जाल (Percentage Sensitivity)
कल्पना कीजिए कि आप एक शिक्षक हैं। 1,000 छात्रों की एक कक्षा में, यदि आप 5 बच्चों को गलत गिन लेते हैं, तो यह कोई बड़ी बात नहीं है। लेकिन यदि आप केवल 10 बच्चों के एक छोटे से समूह को देख रहे हैं और आप 5 को गलत गिन लेते हैं, तो आप चिल्ला सकते हैं, "मैंने 50% छात्रों को मिस कर दिया!"
मूल अध्ययन ने कुछ बहुत छोटे क्षेत्रों का उपयोग किया (जैसे जर्मनी का एक छोटा सा बांध जहाँ केवल 13 लोग रहते थे)। जब आप बहुत छोटे समूहों का वर्णन करने के लिए प्रतिशत का उपयोग करते हैं, तो त्रुटियाँ बहुत बड़ी दिखाई देती हैं। आलोचक कह रहे हैं, "आप एक छोटे से गाँव में हुई गलती को पूरी दुनिया की गलत गिनती का दावा करने के लिए इस्तेमाल नहीं कर सकते।"
3. "मापने वाले टेप" की त्रुटि (Spatial Extent)
यदि आप एक कालीन (rug) के आकार को मापने की कोशिश करते हैं, लेकिन आपका मापने वाला टेप थोड़ा छोटा है, तो आप अंततः अनुमान लगाएंगे कि कालीन वास्तव में कितना बड़ा है। आलोचकों ने बताया कि मूल शोधकर्ताओं ने गौर किया कि उनके "मानचित्र की सीमाएं" बहुत छोटी थीं, इसलिए उन्होंने इसे "ठीक" करने के लिए सब कुछ 1.23 से गुणा कर दिया। विज्ञान में, "सुधार कारक का अनुमान लगाना" थोड़ा वैसा ही है जैसे टूटे हुए तराजू को ठीक करने के लिए बस मुट्ठी भर नमक डाल देना—यह डेटा को कम विश्वसनीय बनाता है।
4. "धुंधली दृष्टि" का प्रभाव (Lack of Detailed Maps)
2010 से पहले, हमारी सैटेलाइट "आंखें" आज जितनी तेज नहीं थीं। यदि आप जंगल की एक धुंधली फोटो देखते हैं, तो आप पेड़ के नीचे छिपी एक छोटी सी कुटिया को मिस कर सकते हैं। मूल अध्ययन ने "जनगणना" (आधिकारिक गणना) को गलत होने का दोष दिया, लेकिन आलोचकों का कहना है कि समस्या वास्तव में सैटेलाइट मानचित्रों की है। सैटेलाइट उन छोटी, दूरदराज की झोपड़ियों को नहीं देख पा रहे थे, इसलिए कंप्यूटर प्रोग्रामों ने मान लिया कि वहां कोई नहीं रहता है। ऐसा नहीं है कि लोग मौजूद नहीं हैं; समस्या यह है कि "कैमरा" उन्हें देख नहीं पाया।
5. "सभी जंगल समान नहीं होते" की समस्या (Non-representative Samples)
कल्पना कीजिए कि आप जानना चाहते हैं कि दुनिया में औसत व्यक्ति कितना खाना खाता है, इसलिए आप केवल उन लोगों का साक्षात्कार लेते हैं जो विशाल बुफे रेस्टोरेंट्स के पास रहते हैं। आपके परिणाम पक्षपाती होंगे!
मूल अध्ययन मुख्य रूप से बांधों के पास रहने वाले लोगों पर केंद्रित था। बांधों के पास रहने वाले लोगों का जीवन बहुत विशिष्ट होता है—वे पानी के पास, एक विशेष प्रकार के भूभाग में और विशिष्ट जलवायु में रहते हैं। आलोचकों का कहना है, "आप बांधों के पास रहने वाले लोगों का उपयोग दुनिया के हर एक किसान, पहाड़ी निवासी और रेगिस्तानी खानाबदोश का प्रतिनिधित्व करने के लिए नहीं कर सकते।"
निचोड़ (The Bottom Line)
आलोचक यह नहीं कह रहे हैं कि मूल शोधकर्ता ग्रामीण आबादी के प्रति जागरूक होने में गलत हैं—वे कह रहे हैं कि शोधकर्ता अपने दावों के साथ बहुत अधिक शोर मचा रहे थे और बहुत साहसी बन रहे थे।
"अरबों गायब हैं!" चिल्लाकर, वे अनावश्यक घबराहट पैदा करने, राजनीतिक बहसों को हवा देने या लोगों को विज्ञान पर भरोसा करने से रोकने का जोखिम उठाते हैं। आलोचक सूक्ष्मता (nuance) का आह्वान कर रहे हैं: यह कहने के बजाय कि "दुनिया अरबों भूतों से भरी है," हमें यह कहना चाहिए कि "हमारे सैटेलाइट मानचित्रों को जंगलों में छोटे घरों को देखने में बेहतर होने की आवश्यकता है।"
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।