Spatial concentration of grave crime across the police sub-divisions of Chennai City, India, 2021: a descriptive analysis and the limits of area-normalised opportunity measures
यह अध्ययन 2021 में चेन्नई के 12 पुलिस उप-मंडलों में गंभीर अपराधों के स्थानिक संकेंद्रण का विश्लेषण करता है, जिसमें यह पाया गया है कि जबकि लूटपाट अपराध के मिश्रण में प्रमुख है और केंद्रीय क्षेत्र सर्वाधिक भार वहन करते हैं, क्षेत्र-सामान्यीकृत अवसर माप (area-normalized opportunity measures) क्षेत्र के हर (denominator) के साथ सह-रैखिकता (collinearity) के कारण सांख्यिकीय रूप से अविश्वसनीय हैं, जो यह सुझाव देता है कि इस स्तर पर अवसर प्रभावों का परीक्षण करने की तुलना में पुनरुत्पादक, हर-स्थिर (denominator-stable) विवरण एक अधिक रक्षात्मक योगदान है।
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
कल्पना कीजिए कि आप यह पता लगाने की कोशिश कर रहे हैं कि शहर के कुछ मोहल्ले दूसरों की तुलना में अधिक खतरनाक क्यों महसूस होते हैं। लंबे समय से, अपराध का अध्ययन करने वाले वैज्ञानिकों ने एक सरल नियम जाना है: अपराध टोस्ट पर मक्खन की तरह समान रूप से नहीं फैलता है। इसके बजाय, यह समूहों में होता है। ठीक वैसे ही जैसे कि कुछ विशिष्ट सड़क के कोने ही वे स्थान हो सकते हैं जहाँ आप पक्षियों के झुंड को इकट्ठा होते देखते हैं। शहर के कुछ विशिष्ट स्थान ही अधिकांश परेशानी के केंद्र होते हैं। यह विचार 'एनवायर्नमेंटल क्रिमिनोलॉजी' (पर्यावरणीय अपराध विज्ञान) नामक एक क्षेत्र से आता है, जो बताता है कि अपराध वहाँ होता है जहाँ तीन चीजें मिलती हैं: कोई व्यक्ति जो कुछ बुरा करना चाहता है, एक लक्ष्य जिस पर वह हमला कर सके, और उसे रोकने वाले किसी व्यक्ति का अभाव। यह एक रेसिपी (विधि) की तरह है; यदि आपके पास सही जगह पर सही समय पर सही सामग्री है, तो "अपराध का केक" बन जाता है। लेकिन पेच यह है: जब हम भारत जैसे स्थानों के विशाल, भीड़भाड़ वाले शहरों में इसे मापने की कोशिश करते हैं, तो गणित जटिल हो जाता है। यदि आप केवल मोहल्ले के आकार से अपराधों की संख्या को विभाजित करके अपराध दरों की तुलना करने का प्रयास करते हैं, तो आप अनजाने में खुद को यह सोचने के लिए धोखा दे सकते हैं कि वहां कोई संबंध है जहाँ वास्तव में नहीं है। यह अध्ययन इस जटिल गणित की गहराई में जाता है ताकि यह देख सके कि क्या अपराध के बारे में सामान्य सुराग वास्तव में चेन्नई, भारत में टिके रहते हैं।
इस अध्ययन के शोधकर्ताओं ने चेन्नई में "गंभीर अपराध" (grave crime) पर एक नया दृष्टिकोण अपनाने का निर्णय लिया। "गंभीर अपराध" को भारी मामलों के रूप में सोचें: हत्या, डकैती और गंभीर चोरी। उन्होंने व्यक्तिगत सड़क के कोनों को नहीं देखा, बल्कि शहर को कवर करने वाले 12 बड़े पुलिस ज़ोनों को देखा। उनका लक्ष्य दोहरा था: पहला, यह मानचित्रित करना कि ये अपराध वास्तव में कहाँ हो रहे थे, और दूसरा, एक लोकप्रिय सिद्धांत का परीक्षण करना। सिद्धांत कहता है कि अपराध उन क्षेत्रों में अधिक होना चाहिए जहाँ बहुत अधिक व्यस्त सड़कें और आवाजाही है, क्योंकि वहीं "अवसर" (opportunity) अधिक होता है। यह कहने जैसा है कि एक दुकान के चोरी होने की संभावना एक शांत गली की तुलना में एक व्यस्त राजमार्ग पर अधिक होती है।
जब उन्होंने अपराधों की गिनती की, तो उन्होंने पाया कि पूरे शहर में 870 गंभीर घटनाएं हुईं। सबसे बड़ा आश्चर्य? डकैती इस खेल की स्टार थी, जो इन सभी अपराधों का एक विशाल 70.0 प्रतिशत हिस्सा थी। हत्या दूसरा सबसे आम अपराध था, लेकिन वह बहुत पीछे था। जब उन्होंने कच्चे आंकड़ों को देखा, तो शहर के किनारे स्थित बड़े, फैले हुए मोहल्लों में सबसे अधिक अपराध दिखाई दिए। लेकिन शोधकर्ता जानते थे कि बड़े क्षेत्रों में स्वाभाविक रूप से अधिक अपराध होते हैं क्योंकि वे बड़े होते हैं। इसलिए, उन्होंने डेटा को "नॉर्मलाइज़" (सामान्य) करने के लिए कुछ गणित किया, जिसका अर्थ था, "यदि हम हर मोहल्ले को एक ही आकार में सिकोड़ दें, तो अपराध का घनत्व वास्तव में कहाँ रहता है?"
एक बार जब उन्होंने आकार के लिए समायोजन किया, तो तस्वीर बदल गई। अपराध का बोझ किनारों पर नहीं रहा; यह शहर के सघन, भीड़भाड़ वाले केंद्र में चला गया। छोटे, केंद्रीय पुलिस ज़ोन हॉटस्पॉट बन गए। उदाहरण के लिए, किल्पौक (Kilpauk) नामक एक केंद्रीय क्षेत्र में सबसे अधिक अपराध घनत्व था, जिसमें लगभग 11.06 अपराध प्रति वर्ग किलोमीटर थे। पुलियान्थोपे (Pulianthope) नामक एक अन्य केंद्रीय स्थान दिलचस्प था क्योंकि हालांकि वहां कुल अपराधों की संख्या सबसे अधिक नहीं थी, लेकिन अन्य स्थानों की तुलना में हत्याओं का हिस्सा बहुत अधिक था। यह एक अलग प्रकार का खतरा क्षेत्र था।
हालाँकि, इस शोध पत्र की सबसे महत्वपूर्ण खोज वास्तव में एक "ना" है। शोधकर्ता यह देखना चाहते थे कि क्या ये अपराध हॉटस्पॉट सड़कों के घनत्व के कारण थे, जो अपराधियों के घूमने के लिए "अवसर" का प्रतिनिधित्व करता है। पहली नज़र में, आंकड़े आशाजनक लग रहे थे: जिन क्षेत्रों में सबसे अधिक अपराध थे, वहां सबसे अधिक सड़कें भी थीं। यह एक आदर्श मिलान लग रहा था। लेकिन लेखक समझ गए कि वे एक गणितीय जाल में फंस गए थे। वे दो चीजों को एक ही संख्या से विभाजित कर रहे थे: अपराध की संख्या को क्षेत्रफल से विभाजित किया गया था, और सड़क की लंबाई को भी क्षेत्रफल से विभाजित किया गया था। यह यह साबित करने की कोशिश करने जैसा है कि लंबे लोग अधिक सेब खाते हैं, जबकि दोनों ही बातों को उनके वजन से विभाजित किया जा रहा है। यदि वजन बदलता है, तो दोनों संख्याएं बदल जाती हैं, जिससे एक नकली संबंध बन जाता है।
जब शोधकर्ताओं ने समीकरण से "क्षेत्रफल" के प्रभाव को हटाने के लिए विशेष सांख्यिकीय उपकरणों का उपयोग किया, तो वह जादुई संबंध गायब हो गया। सड़क घनत्व और अपराध के बीच का स्पष्ट संबंध केवल गणित द्वारा बनाया गया एक भ्रम था। शोध पत्र निष्कर्ष निकालता है कि, पूरे मोहल्लों को देखने के इस पैमाने पर, हम यह नहीं कह सकते कि व्यस्त सड़कें अधिक अपराध का कारण बनती हैं। डेटा उस विचार का समर्थन नहीं करता है यदि आप गणित को ठीक से करें। इसके बजाय, अध्ययन एक विश्वसनीय मानचित्र प्रदान करता है कि अपराध कहाँ केंद्रित है और हमें चेतावनी देता है कि हमें इसे मापने में बहुत सावधान रहने की आवश्यकता है, क्योंकि जिस तरह से हम शहर को काटते हैं, वह हमें ऐसे पैटर्न देखने के लिए धोखा दे सकता है जो वास्तव में वहां मौजूद नहीं हैं।
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।