Who Gets Heeded? An Obligation-Level Audit of Responsiveness in EPA Rulemaking

कल्पना कीजिए कि अमेरिकी सरकार एक विशाल, हलचल भरी रसोई है जहाँ शेफ (एजेंसियाँ) लगातार नई रेसिपी बना रहे हैं जिन्हें "नियम" कहा जाता है। ये नियम बड़े कारखानों से लेकर पिछवाड़े के बागवानों तक सभी को बताते हैं कि वे वास्तव में क्या कर सकते हैं और क्या नहीं। यह सुनिश्चित करने के लिए कि ये रेसिपी निष्पक्ष हों, सरकार की एक विशेष परंपरा है जिसे "नोटिस-एंड-कमेंट" (सूचना-और-टिप्पणी) कहा जाता है। यह एक ड्राफ्ट रेसिपी को मेज पर रखने जैसा है और यह कहना है, "हे, सबको बताओ कि आप क्या सोचते हैं!" सिद्धांत रूप में, यह एक आदर्श लोकतंत्र है: एक व्यक्ति जिसके पास हाथ से लिखा हुआ नोट है, उसके पास बोलने का बिल्कुल वही अधिकार है जो वकीलों की एक टीम वाली एक बड़ी कॉर्पोरेशन के पास है।

लेकिन यहाँ एक पेचीदा बात है: भले ही हर कोई बोल सकता है, लेकिन इसका मतलब यह नहीं है कि हर किसी को सुना जाता है। दशकों से, वैज्ञानिक यह पता लगाने की कोशिश कर रहे हैं कि क्या सार्वजनिक टिप्पणियाँ वास्तव में अंतिम रेसिपी को बदलती हैं या सरकार बस विनम्रता से सिर हिलाती रहती है और उसी तरह खाना बनाना जारी रखती है। बड़ा सवाल यह है: क्या सरकार सबसे तेज़ आवाज़ों को सुनती है, सबसे संगठित समूहों को, या उन लोगों को जिनके पास सबसे अच्छे तर्क हैं? और इससे भी महत्वपूर्ण बात यह है कि क्या यह प्रणाली एक आम व्यक्ति के साथ एक विशाल निगम के समान व्यवहार करती है? यह शोध पत्र इस रहस्य की गहराई में उतरता है, न तो पूरे रेसिपी को देखकर, बल्कि उन सूक्ष्म, विशिष्ट सामग्रियों—"दायित्वों" (obligations)—पर ध्यान केंद्रित करके जो नियमों को बनाते हैं।

---

महान रेसिपी ऑडिट: वास्तव में किसकी सुनी जाती है?

कल्पना कीजिए कि आप एक वीडियो गेम के लिए एक विशाल, 200 पन्नों वाले निर्देश मैनुअल को ठीक करने की कोशिश कर रहे हैं। पूरे मैनुअल को पढ़ने के बजाय, आप इसके भीतर प्रत्येक विशिष्ट नियम को देखने का निर्णय लेते हैं: "आपको इस गड्ढे के ऊपर से कूदना चाहिए," "आप इस हथियार का उपयोग नहीं कर सकते," "आपको 50 सिक्के एकत्र करने चाहिए।" ये विशिष्ट नियम जिन्हें लेखक नियामक दायित्व (regulatory obligations) कहते हैं।

शोधकर्ताओं, जियानिंग फैन और यू याओ ने अमेरिकी पर्यावरण संरक्षण एजेंसी (EPA) का ऑडिट करने का निर्णय लिया ताकि यह देखा जा सके कि क्या सार्वजनिक टिप्पणियों ने वास्तव में इन विशिष्ट नियमों को बदला। उन्होंने केवल अंतिम मैनुअल को नहीं देखा; उन्होंने ड्राफ्ट संस्करण, अंतिम संस्करण और उनके बीच लोगों द्वारा लिखे गए हजारों नोट्स को देखा। उन्होंने एक उच्च-तकनीकी, AI-सहायता प्राप्त प्रणाली बनाई जो एक सुपर-फास्ट लाइब्रेरियन की तरह काम करती है। इस प्रणाली ने 786,197 टिप्पणियों (लगभग 8 लाख नोट्स!) को पढ़ा और उन्हें उन विशिष्ट नियमों के साथ जोड़ा जिनके बारे में लोग बात कर रहे थे। फिर, इसने जांचा: क्या नियम बदला? क्या यह वैसा ही रहा? क्या इसे हटा दिया गया?

यहाँ उनके निष्कर्ष दिए गए हैं, जिन्हें तीन बड़ी खोजों में विभाजित किया गया है:

1. बोलना मदद करता है, लेकिन बहुत अधिक नहीं
पहला निष्कर्ष थोड़ा "हाँ, लेकिन..." वाला है। शोधकर्ताओं ने पाया कि जब किसी विशिष्ट नियम को बहुत अधिक ध्यान (पाँच या अधिक लोगों की टिप्पणी) मिला, तो उसके बदलने की संभावना अधिक थी। विशेष रूप से, उच्च जुड़ाव वाले नियम उन नियमों की तुलना में 19.5 प्रतिशत अंक अधिक बार संशोधित किए गए जिनके बारे में किसी ने बात नहीं की थी।

• उपमा: कल्पना कीजिए कि एक शिक्षक टेस्ट ग्रेड कर रहा है। यदि पाँच छात्र हाथ उठाते हैं और कहते हैं, "हे, प्रश्न 4 भ्रमित करने वाला है," तो शिक्षक उस विशिष्ट प्रश्न के लिए उत्तर कुंजी को बदलने की संभावना उस प्रश्न की तुलना में लगभग दोगुनी है जिसका किसी ने उल्लेख नहीं किया।
• पकड़: उस शोर के बावजूद, अधिकांश नियम जिनके बारे में लोगों ने शिकायत की, वे नहीं बदले, और अधिकांश नियम जो बदले, वे वे थे जिनके बारे में किसी ने टिप्पणी भी नहीं की थी। टिप्पणियाँ एक "हे, इसे देखो!" सिग्नल के रूप में कार्य करती हैं, न कि एक जादू की छड़ी के रूप में जो बदलाव के लिए मजबूर करती है।

2. गुस्सा होना या खुश होना मायने नहीं रखता
आप सोच सकते हैं कि यदि हर कोई किसी नियम के खिलाफ "ना!" चिल्ला रहा है, तो सरकार उसे बदल देगी, लेकिन यदि हर कोई "हाँ!" में उत्साह दिखा रहा है, तो नियम वैसा ही रहेगा। शोधकर्ताओं ने इसकी जांच की, और उत्तर स्पष्ट रूप रूप से नहीं था।

• निष्कर्ष: चाहे लोग किसी नियम का समर्थन कर रहे हों या विरोध कर रहे हों, परिवर्तन की दर लगभग एक जैसी थी। विरोधियों वाले नियमों में से लगभग 62% को संशोधित किया गया था, और समर्थकों वाले नियमों में से लगभग 68% को संशोधित किया गया था। अंतर सांख्यिकीय रूप से महत्वपूर्ण नहीं था।
• सीख: सरकार केवल लोकप्रियता प्रतियोगिता की तरह वोटों की गिनती नहीं कर रही है। वे अन्य चीजों को देख रहे हैं, जैसे तकनीकी विवरण या आंतरिक समीक्षाएं, न कि केवल यह कि कितने लोग क्रोधित या खुश हैं।

3. "बड़े खिलाड़ी" एक अलग खेल खेलते हैं
यह सबसे आश्चर्यजनक और महत्वपूर्ण निष्कर्ष है। शोधकर्ताओं ने देखा कि कौन टिप्पणी कर रहा था। उन्होंने यह पता लगाने की कोशिश की कि टिप्पणी एक आम व्यक्ति की थी या एक बड़े संगठन (जैसे कंपनी या गैर-लाभकारी संस्था) की।

• खोज: बड़े संगठन और आम लोग न केवल अलग-अलग नियमों पर असहमत होते हैं; वे पूरी तरह से अलग मैदानों पर खेल रहे हैं। डेटा दिखाता है कि संगठन उन नियमों पर ध्यान केंद्रित करने की प्रवृत्ति रखते हैं जो संपादकीय संशोधनों (शब्दों में छोटे बदलाव, जैसे टाइपो ठीक करना या वाक्य को स्पष्ट करना) के अधीन होते हैं। हालाँकि, अध्ययन इस बात की पुष्टि नहीं कर सका कि क्या आम लोग एक ही नियम के भीतर मौलिक परिवर्तनों (बड़े, सार्थक बदलाव) से अधिक जुड़े हुए थे। इसके बजाय, पैटर्न यह सुझाव देता है कि संगठन और आम लोग शुरू से ही अलग प्रकार के नियमों के साथ जुड़ना चुनते हैं। "असमानता" यह नहीं है कि सरकार किसी विशिष्ट नियम के आधार पर अलग व्यवहार करती है; बल्कि यह है कि आम लोगों के पास अक्सर उन विशिष्ट, सूक्ष्म नियमों को खोजने और लड़ने के संसाधन नहीं होते जहाँ वास्तविक बदलाव होते हैं, जबकि संगठन उन नियमों पर हावी होते हैं जिनमें केवल मामूली संपादन होते हैं।
• उपमा: शतरंज के खेल की कल्पना करें। बड़े संगठन वे ग्रैंडमास्टर हैं जो नियमों में छोटी, तकनीकी गलतियों को पहचानने और उन्हें ठीक करने में बहुत अच्छे हैं। आम लोग वे हैं जो खेल को पूरी तरह से बदलने की कोशिश कर रहे हैं, लेकिन वे अक्सर उन अलग बोर्डों पर खेलते रह जाते जहाँ नियम पहले से ही तय हैं। अध्ययन बताता है कि "असमानता" यह नहीं है कि सरकार एक विशिष्ट नियम के भीतर आम लोगों को अनदेखा करती है; बल्कि यह है कि आम लोगों के पास अक्सर उन संसाधनों की कमी होती है जिनसे वे उन सूक्ष्म नियमों को ढूंढ सकें और लड़ सकें जहाँ वास्तविक बदलाव होते हैं।

"जादुई" उपकरण और उसकी खामी
यह सब करने के लिए, शोधकर्ताओं ने एक शक्तिशाली AI टूल (एक लार्ज लैंग्वेज मॉडल) का उपयोग किया ताकि नियमों को पढ़ा जा सके और उन्हें टिप्पणियों से जोड़ा जा सके। उन्होंने बहुत सावधानी से जांच की कि क्या AI अच्छा काम कर रहा है। उन्होंने मानव विशेषज्ञों को AI के काम की दोबारा जांच करने के लिए नियुक्त किया।

• अच्छी खबर: AI नियमों को खोजने और टिप्पणियों से मिलाने में अद्भुत था। यह मानव विशेषज्ञों के साथ लगभग पूरी तरह से सहमत था।
• बुरी खबर: AI एक "छोटे शब्द परिवर्तन" और एक "बड़े सार्थक परिवर्तन" के बीच अंतर करने में बहुत खराब था। वह एक नियम को केवल "संपादित" समझता था जबकि मनुष्य देख सकते थे कि वह वास्तव में "बदला" गया था।
• समाधान: जब शोधकर्ताओं ने मानव निर्णय के साथ AI की गलतियों को सुधारा, तो संगठनों बनाम आम लोगों के बारे में मुख्य निष्कर्ष वास्तव में मजबूत हो गया (ऑड्स रेशियो 3.07 से बढ़कर 4.90 हो गया), जिससे साबित हुआ कि यह पैटर्न वास्तविक था और केवल कंप्यूटर की गड़बड़ी नहीं थी।

निष्कर्ष
शोध पत्र निष्कर्ष निकालता है कि नियम बनाने में "निष्पक्षता" की समस्या केवल इस बारे में नहीं है कि किसे बोलने का अधिकार है। यह इस बारे में है कि किसके पास रेसिपी में सूक्ष्म, जटिल कानूनी सामग्रियों को समझने के उपकरण हैं। बड़े संगठनों के पास उन छोटे, तकनीकी विवरणों को खोजने और ठीक करने के संसाधन होते हैं, जबकि आम लोग अक्सर यह खोजने में संघर्ष करते हैं कि उन्हें बदलाव करने के लिए सही जगह कहाँ चिल्लाना चाहिए। सरकार भीड़ की आवाज़ को सुनती है, लेकिन किस प्रकार का बदलाव होता है, यह इस पर निर्भर करता है कि किसके पास जटिल कानूनी भूलभुलैया में नेविगेट करने के संसाधन हैं।

इसलिए, जबकि हर किसी को बोलने का समान अधिकार है, पेपर सुझाव देता है कि खेल का मैदान अभी भी झुका हुआ है। वास्तविक असमानता यह नहीं है कि सरकार आपको अनदेखा करती है; बल्कि यह है कि शायद आप यह भी नहीं जान पाएंगे कि बदलाव करने के लिए आपको किस विशिष्ट नियम से लड़ने की आवश्यकता है।