Machine learning reveals heterogeneity in the effectiveness of democracy-strengthening interventions
एक बड़े पैमाने के रैंडमाइज्ड कंट्रोल्ड ट्रायल के डेटा पर कॉज़ल मशीन लर्निंग का उपयोग करते हुए, यह अध्ययन प्रकट करता है कि लोकतंत्र-सुदृढ़ीकरण हस्तक्षेप विभिन्न वैचारिक समूहों में प्रभावशीलता में महत्वपूर्ण विषमता प्रदर्शित करते हैं, जो यह दर्शाता है कि समान रणनीतियाँ उप-इष्टतम हैं और लोकतांत्रिक विरोधी दृष्टिकोणों को समान रूप से संबोधित करने के लिए अनुकूलित दृष्टिकोणों की आवश्यकता को रेखांकित करती हैं।
मूल पेपर CC BY 4.0 (https://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
सामाजिक विज्ञान की दुनिया की कल्पना एक विशाल, हलचल भरी रसोई के रूप में करें जहाँ शोधकर्ता एक आदर्श "लोकतंत्र का केक" (Democracy Cake) बनाने की कोशिश कर रहे हैं। वर्षों से, शेफ अलग-अलग रेसिपी का परीक्षण कर रहे हैं—कुछ इसमें सच्चाई का एक चुटकी डाल रहे हैं, तो कुछ सहानुभूति की एक बूंद, और कुछ पड़ोसियों के मिल-जुलकर रहने की कहानियाँ छिड़क रहे हैं। लक्ष्य लोगों को "अलोकतांत्रिक दृष्टिकोण" (Anti-Democratic Attitudes - ADA) विकसित करने से रोकना है, जो एक खट्टे स्वाद की तरह है जो लोगों को खेल के नियमों को तोड़ने, जजों को अनदेखा करने, या यहाँ तक कि स्टेडियम से रेफरी को बाहर निकालने के लिए उकसाता है।
यह देखने के लिए कि क्या उनकी रेसिपी काम करती है, वैज्ञानिक आमतौर पर पूरे बैच को चखते हैं और उसका एक औसत (average) लेते हैं। यदि औसत स्वाद "ठीक" है, तो वे मान लेते हैं कि रेसिपी सफल रही। लेकिन यहाँ एक पेंच है: सिर्फ इसलिए कि एक केक औसत रूप से स्वाद में "ठीक" है, इसका मतलब यह नहीं है कि वह हर किसी के लिए स्वादिष्ट है। यह एक चॉकलेट प्रेमी के लिए सपनों जैसा हो सकता है लेकिन उस व्यक्ति के लिए आपदा हो सकता है जिसे चॉकलेट पसंद नहीं है। यह "विषमता" (heterogeneity) की समस्या है—यह विचार कि अलग-अलग लोग एक ही चीज़ पर बहुत अलग तरह से प्रतिक्रिया देते हैं। जबकि कुछ लोग किसी विशेष हस्तक्षेप (intervention) को पसंद कर सकते हैं, अन्य को यह कष्टप्रद लग सकता है या इससे उन्हें और भी बुरा महसूस हो सकता है। यह समझना कि किसे कौन सा स्वाद पसंद है, भीड़ को संतुष्ट करने वाले केक को बनाने की कुंजी है, न कि केवल बहुमत को।
अब, एलएमयू म्यूनिख (LMU Munich) और कोलोन विश्वविद्यालय के शोधकर्ताओं की एक टीम के बारे में सोचें जिन्होंने केवल औसत चखना बंद करने और व्यक्तिगत स्लाइस (slices) को देखना शुरू करने का निर्णय लिया। उन्होंने संयुक्त राज्य अमेरिका में 32,059 लोगों के एक विशाल प्रयोग से एक बहुत बड़ा डेटासेट लिया। इस प्रयोग में, प्रतिभागियों को यादृच्छिक रूप से (randomly) 25 अलग-अलग "लोकतंत्र-मजबूत करने वाले" हस्तक्षेपों (जैसे तथ्य-जांच पढ़ना, राजनीतिक प्रतिद्वंद्वी से कहानी सुनना, या साझा मूल्यों पर विचार करना) में से एक प्राप्त करने के लिए या बिना किसी हस्तक्षेप के आवंटित किया गया था। केवल यह पूछने के बजाय कि, "क्या यह काम आया?" उन्होंने "यह आपके लिए, विशेष रूप से, कितना काम आया?" पूछने के लिए "कॉज़ल मशीन लर्निंग" (causal machine learning) नामक एक सुपर-स्मार्ट कंप्यूटर टूल का उपयोग किया।
परिणाम सिस्टम के लिए एक झटके की तरह थे। शोधकर्ताओं ने पाया कि पुराना "एक ही आकार सबके लिए" (one-size-fits-all) वाला दृष्टिकोण जादू को मिस कर रहा था। उन्होंने पाया कि वे हस्तक्षेप भी, जो औसत रूप से पूरी तरह से विफल दिखते थे, वास्तव में लोगों के विशिष्ट समूहों के लिए बेहद प्रभावी थे। उदाहरण के लिए, "आउटपार्टी फ्रेंडशिप" (Outparty Friendship) नामक एक हस्तक्षेप (जिसने लोगों को राजनीतिक विरोधियों के साथ दोस्ती करने की कोशिश की) ने समग्र समूह के लिए कुछ भी नहीं किया। लेकिन जब उन्होंने करीब से देखा, तो उन्होंने पाया कि इसने उन लोगों के 28% लोगों के लिए अलोकतांत्रिक दृष्टिकोण को वास्तव में कम कर दिया जिन्होंने इसे आजमाया था! यह एक ऐसी दवा की तरह था जो एक डॉक्टर के लिए बेकार लग रही थी जब तक कि उन्हें एहसास नहीं हुआ कि यह एक विशिष्ट प्रकार के रोगी के लिए एक चमत्कारिक इलाज है।
अध्ययन ने यह भी पता लगाया कि "गुप्त सामग्रियाँ" क्या हैं जो यह निर्धारित करती हैं कि कौन सी रेसिपी किस व्यक्ति के लिए काम करती है। यह पता चला कि आपकी राजनीतिक विचारधारा एक बहुत बड़ा भविष्यवक्ता है, जो इस बात से भी अधिक महत्वपूर्ण है कि आप किस राजनीतिक दल से संबंधित हैं। रूढ़िवादी (Conservatives), उदाहरण के तौर पर, तथ्यों और गलतफहमियों को सुधारने पर आधारित हस्तक्षेपों के प्रति बेहतर प्रतिक्रिया देते हैं। दूसरी ओर, उदारवादी (Liberals) उन संदेशों के प्रति अधिक सहज थे जो संस्थानों पर भरोसा करने और सहानुभूति महसूस करने से जुड़े थे। आयु और लिंग ने भी भूमिका निभाई: युवा पीढ़ी डिजिटल, तथ्य-आधारित सुधारों को पसंद करती थी, जबकि बुजुर्ग भावनात्मक कहानियों के प्रति बेहतर प्रतिक्रिया देते थे।
सबसे रोमांचक खोज यह है कि यदि आप अनुमान लगाना बंद कर दें और सही व्यक्ति को सही हस्तक्षेप के साथ मिलाना शुरू कर दें, तो आप लोकतंत्र-मजबूत करने के इन प्रयासों की प्रभावशीलता को 37% तक बढ़ा सकते हैं। यह शोध पत्र सुझाव देता है कि इन अंतरों को अनदेखा करके, हम अनजाने में कमजोर समूहों को पीछे छोड़ सकते हैं या उन्हें लोकतांत्रिक मूल्यों के प्रति और भी अधिक प्रतिरोधी बना सकते हैं। यह एक याद दिलाता है कि समाज की इस जटिल रसोई में, सभी को खिलाने का सबसे अच्छा तरीका यह है कि पूरे मेज पर एक ही फीका सूप परोसना बंद करें और एक ऐसा मेनू पेश करें जो वास्तव में उस व्यक्ति की भूख के अनुकूल हो जिसकी वह तलाश कर रहा 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।