Examining the Appraisers' Role in Redlining through Historical Appraisal Narratives
यह अध्ययन नेचुरल लैंग्वेज प्रोसेसिंग और ज्योग्राफिक इंफॉर्मेशन सिस्टम्स का उपयोग यह प्रदर्शित करने के लिए करता है कि कैसे 1930 के दशक के HOLC मूल्यांकन वृत्तांतों में व्यक्तिपरक नस्लीय पूर्वाग्रहों ने रेडलाइनिंग को संस्थागत बनाया, जिससे पूर्व रेडलाइन्ड समुदायों में स्थायी आर्थिक असमानताएं और धन की विषमता उत्पन्न हुई जो समकालीन रियल एस्टेट मूल्यांकन में बनी हुई 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
अतीत की अदृश्य स्याही
कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि क्यों शहर के कुछ पड़ोस नए कॉफी शॉपों और पार्कों के साथ फल-फूल रहे हैं, जबकि कुछ ही मील दूर अन्य पड़ोस खाली भूखंडों और कम घर की कीमतों के साथ संघर्ष करते हुए समय में ठहरे हुए से लगते हैं। क्या यह सिर्फ बुरा भाग्य है? या क्या इतिहास की कोई छिपी हुई कहानी उन सड़कों में लिखी गई है? यह प्रश्न इतिहास, अर्थशास्त्र और कंप्यूटर विज्ञान के मिलन बिंदु पर स्थित है। इसे समझने के लिए, हमें तीन चीजों के बारे में जानना होगा: रेडलाइनिंग (Redlining), जो 1930 के दशक का एक अभ्यास था जहाँ बैंकों ने ऋण देने के लिए कुछ मोहल्लों को "जोखिम भरा" घोषित करने के लिए मानचित्रों पर रेखाएँ खींची थीं, जो अक्सर घरों की गुणवत्ता के बजाय वहां रहने वाले लोगों पर आधारित थीं; मूल्यांकन (Appraisals), जो वे आधिकारिक रिपोर्ट हैं जिन्हें विशेषज्ञ यह तय करने के लिए लिखते हैं कि किसी घर या पड़ोस की कीमत कितनी है; और नेचुरल लैंग्वेज प्रोसेसिंग (NLP), जो आर्टिफिशियल इंटेलिजेंस का एक प्रकार है जो कंप्यूटर को मानव पाठ को पढ़ने और समझने की अनुमति देता है, जिससे वे शब्दों में ऐसे पैटर्न पहचान पाते हैं जो इंसान शायद मिस कर दें। यह क्यों मायने रखता है? क्योंकि जिस तरह से हम आज अपने घरों का मूल्य निर्धारित करते हैं, वह हमारी भविष्य की संपत्ति का निर्माण करता है। यदि घरों के मूल्यांकन के नियम अतीत में पक्षपात के साथ लिखे गए थे, तो वह पक्षपात आज भी सिस्टम में छिपा हो सकता है, जो चुपचाप यह तय कर रहा है कि कौन अमीर बनेगा और किसे पीछे छोड़ दिया जाएगा।
जासूसी कार्य: छिपे हुए शब्दों का खुलासा
इस अध्ययन में, लिंडा लूबर्ट नामक एक शोधकर्ता एक डिजिटल जासूस की तरह काम करती हैं, जो 1930 के दशक के हजारों धूल भरे, पुराने दस्तावेजों में सुराग खोज रही हैं। वह एक विशिष्ट प्रश्न की जांच कर रही हैं: क्या उन शब्दों ने वास्तव में उन असमान आर्थिक अंतरों को बनाने में मदद की जो हम आज देखते हैं, जिनका उपयोग मूल्यांकनकर्ताओं (appraisers) ने पड़ोस का वर्णन करने के लिए किया था?
1930 के दशक में, होम ओनर्स लोन कॉर्पोरेशन (HOLC) नामक एक सरकारी समूह ने मोहल्लों को ग्रेड A (सबसे अच्छे, "हरे" क्षेत्र) से लेकर ग्रेड D (सबसे खराब, "लाल" क्षेत्र) तक वर्गीकृत करने के लिए मूल्यांकनकर्ताओं को भेजा था। इन ग्रेड्स ने तय किया कि किसे बंधक (mortgage) मिल सकता है और किसे नहीं। लेकिन मूल्यांकनकर्ताओं ने केवल एक ग्रेड नहीं दिया; उन्हें यह समझाने के लिए एक कहानी लिखनी थी कि क्यों। उन्होंने फॉर्म भरे जिनमें "हानिकारक प्रभाव" (Detrimental Influences) नामक एक अनुभाग था, जहाँ उन्होंने सूचीबद्ध किया कि उनके अनुसार एक पड़ोस में क्या गलत था।
लूबर्ट ने इन पुराने फॉर्मों में से 7,000 से अधिक एकत्र किए। वह उन सभी को एक-एक करके नहीं पढ़ सकती थीं, इसलिए उन्होंने उनके लिए उन्हें पढ़ने के लिए RoBERTa (एक प्रकार का AI) नामक एक सुपर-स्मार्ट कंप्यूटर प्रोग्राम का उपयोग किया। RoBERT को एक रोबोट लाइब्रेरियन के रूप में समझें जो एक सेकंड में हजारों किताबें स्कैन कर सकता है और आपको बता सकता है, "हे, इन 500 किताबों में 'जाति' शब्द बहुत बार आता है, और उन 200 किताबों में वे बार-बार 'पुरानी इमारतों' के बारे में बात कर रहे हैं।"
कंप्यूटर ने मूल्यांकनकर्ताओं की टिप्पणियों को "जाति और वर्ग संबंधी चिंताएं," "उद्योग से निकटता," "पुराना बुनियादी ढांचा," और "पर्यावरणीय खतरे" जैसी श्रेणियों में वर्गीकृत किया। फिर, लूबर्ट ने इन पुराने शब्दों की तुलना आज उन मोहल्लों से की जो वैसे ही हैं। उन्होंने प्रत्येक क्षेत्र के लिए एक "रेडलाइनिंग रेजिलिएंस स्कोर" (RRS) बनाया, जो एक रिपोर्ट कार्ड की तरह है जो आय, शिक्षा और घर की कीमतों के मामले में एक पड़ोस आज कैसा प्रदर्शन कर रहा है, इसका माप है।
सुराग क्या प्रकट करते हैं
परिणाम चौंकाने वाले थे। अध्ययन में पाया गया कि 1930 के दशक में मूल्यांकनकर्ताओं द्वारा लिखे गए शब्द आज भी इस बात से जुड़े हुए हैं कि पड़ोस कैसा प्रदर्शन कर रहे हैं।
सबसे पहले, वे "ग्रेड" स्वयं महत्वपूर्ण हैं। वे पड़ोस जिन्हें तब "D" (लाल) ग्रेड दिया गया था, वे आज भी उन पड़ोसों की तुलना में खराब स्थिति में हैं जिन्हें "A" (हरा) ग्रेड दिया गया था। लेकिन यहाँ एक मोड़ है: जो शब्द मूल्यांकनकर्ताओं ने लिखे थे, वे भी महत्वपूर्ण थे, हालांकि वे सबसे निचले ग्रेड की तरह उतने प्रभावशाली नहीं थे।
जब कंप्यूटर ने "हानिकारक प्रभाव" अनुभाग को देखा, तो उसने पाया कि जाति और वर्ग (जैसे "Negro infiltration" या "असंगत नस्लीय समूह" का उल्लेख करना) या उद्योग से निकटता (कारखानों के पास होना) के बारे में नकारात्मक भाषा वाले मोहल्लों का आज बहुत कम रेजिलिएंस स्कोर रहा। वास्तव में, "उद्योग से निकटता" के बारे में लिखने का नकारात्मक प्रभाव "B" ग्रेड के दंड के लगभग उतना ही consequential था, हालांकि "D" ग्रेड के दंड का दंड उन विशिष्ट शब्दों के दंड की तुलना में लगभग 2.7 गुना बड़ा था।
अध्ययन बताता है कि मूल्यांकनकर्ता केवल पड़ोस का वर्णन नहीं कर रहे थे; वे एक जाल बना रहे थे। उन्होंने नस्ल और वर्ग के बारे में अपनी व्यक्तिपरक भावनाओं को आधिकारिक सरकारी नियमों में बदलने के लिए भाषा का उपयोग किया। उदाहरण के लिए, यदि किसी मूल्यांकनकर्ता ने लिखा कि एक पड़ोस में "अवांछनीय तत्व" हैं, तो वह वाक्यांश ऋण देने से मना करने का एक कारण बन गया। दशकों तक, इस धन की कमी का मतलब था कि वे मोहल्ले अपनी छतें ठीक नहीं कर सके या नए स्कूल नहीं बना सके, जिससे आज दिखने वाली गरीबी पैदा हुई।
शोध ने यह भी देखा कि क्या यह केवल आधिकारिक ग्रेडों के बारे में था या क्या मूल्यांकनकर्ताओं द्वारा सुनाई गई कहानी ही असली अपराधी थी। उत्तर जटिल है। ग्रेड ने नियम तय किए, लेकिन मूल्यांकनकर्ताओं के शब्दों ने वह "ढांचा" (scaffolding) प्रदान किया जिसने उन नियमों को थामे रखा। जब अध्ययन ने ग्रेडों पर विचार किए बिना उन शब्दों को देखा, तो नकारात्मक भाषा ने धन के निम्न स्तर की मजबूती से भविष्यवाणी की। हालांकि, जब अध्ययन में एक ही विश्लेषण में आधिकारिक ग्रेड शामिल किए गए, तो कुछ श्रेणियों के लिए शब्दों का स्वतंत्र प्रभाव बहुत कम हो गया। यह सुझाव देता है कि पक्षपात केवल अंतिम ग्रेड में नहीं था; यह उस भाषा में भी रचा-बसा था जिसका उपयोग उसे न्यायोचित ठहराने के लिए किया जाता था, लेकिन दीर्घकालिक परिणामों को निर्धारित करने में ग्रेडों का भार सबसे अधिक था।
बड़ी तस्वीर
यह पेपर यह दावा नहीं करता कि रेडलाइनिंग आज की असमानता का एकमात्र कारण है, लेकिन यह साबित करता है कि 1930 के दशक में मूल्यांकनकर्ताओं ने अपने मोहल्लों के बारे में जिस तरह से लिखा, उसने उन असमानताओं को लॉक करने में मदद की। यह ऐसा ही है जैसे यदि एक शिक्षक ने छात्र के रिपोर्ट कार्ड पर एक नोट लिखा कि, "यह छात्र अपने बैकग्राउंड के कारण बुद्धिमान नहीं है," और फिर, अगले 90 वर्षों तक, हर शिक्षक ने उस छात्र को सीखने का मौका देने से इनकार कर दिया, केवल उस पुराने नोट के कारण।
अध्ययन दिखाता है कि पुराने मानचित्रों पर "लाल" रेखाएं केवल रेखाएं नहीं थीं; वे पक्षपाती स्याही से लिखी गई कहानियाँ थीं। और दुर्भाग्य से, वे कहानियाँ आज भी हमारे शहरों में गूँज रही हैं, जिससे कुछ मोहल्लों को बढ़ने से रोका जा रहा है जबकि अन्य फल-फूल रहे हैं। शोध का सुझाव है कि इन समस्याओं को ठीक करने के लिए, हम केवल आंकड़ों को नहीं देख सकते; हमें उन शब्दों को समझना होगा जिनका उपयोग हम अपने समुदायों का वर्णन करने के लिए करते हैं, क्योंकि उन शब्दों में हमारे भविष्य को आकार देने की शक्ति होती 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।