A scoping review of gender bias in digital occupational health management

कार्यस्थल की कल्पना एक विशाल, हलचल भरे वीडियो गेम की दुनिया के रूप में करें जहाँ हर कोई इस खेल को खेलते समय स्वस्थ और खुश रहने की कोशिश कर रहा है। हाल के वर्षों में, "गेम मास्टर्स" (कंपनियों और स्वास्थ्य विशेषज्ञों) ने खिलाड़ियों को उनके स्वास्थ्य को प्रबंधित करने में मदद करने के लिए सुपर-स्मार्ट डिजिटल उपकरणों—जैसे ऐप्स, वियरेबल्स और कंप्यूटर प्रोग्राम—का उपयोग करना शुरू कर दिया है। इसे ऑक्यूपेशनल हेल्थ मैनेजमेंट (व्यावसायिक स्वास्थ्य प्रबंधन) कहा जाता है। इसे एक डिजिटल कोच के रूप में सोचें जो आपके कदमों को ट्रैक करता है, आपको स्ट्रेच करने की याद दिलाता है, या जब आप बहुत देर तक स्क्रीन को देखते रहे हों तो ब्रेक लेने का सुझाव देता है। विचार यह है कि ये डिजिटल कोच बेहद कुशल और प्रत्येक खिलाड़ी के लिए विशेष रूप से तैयार किए जा सकते हैं। हालाँकि, इसमें एक पेंच है: यदि कोच को एक ऐसे नियम पुस्तिका (रूलबुक) का उपयोग करके बनाया गया था जिसने केवल आधे खिलाड़ियों को देखा, या यदि कोच का मस्तिष्क (एल्गोरिदम) पुराने, अधूरे डेटा पर प्रशिक्षित था, तो यह ऐसा परामर्श दे सकता है जो कुछ लोगों के लिए तो बहुत अच्छा काम करता है लेकिन दूसरों को पीछे छोड़ देता है। यह जेंडर बायस (लैंगिक पूर्वाग्रह) की समस्या है: जब एक प्रणाली अनजाने में पुरुषों और महिलाओं के साथ अनफेयर तरीके से अलग व्यवहार करती है, अक्सर इसलिए क्योंकि वह उनके जीवन और शरीर के वास्तविक अंतरों को समझने में पूरी तस्वीर देखने में विफल रहती है।

अब, ज़ूम इन करें एक नए अध्ययन पर जो एक जासूस की तरह काम करता है, जो ठीक इसी बात की तलाश कर रहा है कि ये डिजिटल स्वास्थ्य कोच कहाँ चूक कर रहे हैं। शोधकर्ताओं ने केवल अनुमान नहीं लगाया; वे एक बड़े खजाने की खोज पर निकले, डेटाबेस और आधिकारिक रिपोर्टों में से 6 ही सबूतों के टुकड़े खोजने के लिए उन्होंने व्यापक खोजबीन की। वे उन विशिष्ट तरीकों की तलाश कर रहे थे जिनसे ये डिजिटल उपकरण लिंग (जेंडर) के मामले में लक्ष्य से चूक जाते हैं।

उन्होंने पाँच चालाक जाल (ट्रैप्स) पाए जो सिस्टम को उलझा सकते हैं। पहला, जेंडर डेटा गैप है। कल्पना करें कि आप पूरी भीड़ के लिए केक बनाने की कोशिश कर रहे हैं, लेकिन आपके पास केवल एक ऐसी रेसिपी है जिसमें लड़कों के लिए सामग्री सूचीबद्ध है। आप अंत में एक ऐसा केक बना सकते हैं जिसका स्वाद अजीब हो या जो लड़कियों के लिए काम न करे क्योंकि रेसिपी में आधी सामग्री गायब थी। डिजिटल दुनिया में, इसका मतलब है कि कंप्यूटर ऐसे निर्णय ले रहे हैं जो उस डेटा पर आधारित हैं जिसमें महिलाओं के बारे में पर्याप्त जानकारी शामिल नहीं है।

दूसरा, एल्गोरिद्मिक बायस है। यह एक ऐसे रोबोट रेफरी की तरह है जिसने खेल के नियम एक पक्षपाती कोच से सीखे हैं। भले ही रोबोट निष्पक्ष होने की कोशिश करे, वह वही अनुचित निर्णय लेता रहता है क्योंकि उसे एक संकीर्ण दृष्टिकोण से दुनिया को देखने के लिए सिखाया गया था।

तीसरा, अध्ययन जेंडर हेल्थ गैप की ओर इशारा करता है। यह कंप्यूटर के बारे में नहीं है; यह वास्तविक जीवन के बारे में है। पुरुष और महिला अक्सर काम के तनाव और शारीरिक बोझ के अलग-अलग "बैकपैक" (बस्ते) ढोते हैं। यदि डिजिटल कोच को यह नहीं पता कि एक बैकपैक दूसरे से भारी या अलग आकार का है, तो वह खिलाड़ी को उसे सही ढंग से ढोने में मदद नहीं कर सकता।

चौथा, डिजिटल जेंडर गैप है। यह सरल रूप से इस बारे में है कि कंट्रोलर किसके हाथ में है। यदि कुछ लोगों के पास नवीनतम तकनीक तक पहुँच नहीं है या वे इसका उपयोग करने में सहज महसूस नहीं करते हैं, तो डिजिटल स्वास्थ्य कोच कभी उनकी मदद कर ही नहीं पाता।

अंत में, शोधकर्ताओं ने जेंडर हेल्थ पैराडॉक्स को भी पकड़ा। यह एक भ्रमित करने वाली स्थिति है जहाँ एक समूह कागज़ पर अधिक बीमार लग सकता है (दर्द या थकान की अधिक रिपोर्ट), जबकि वास्तव में वह अधिक लंबा जीवन जीता है, जबकि दूसरा समूह स्वस्थ दिखता है लेकिन गंभीर समस्याओं का उच्च जोखिम रखता है। यह एक रहस्य है जिसे डिजिटल उपकरण अक्सर हल करने में विफल रहते हैं क्योंकि वे संख्याओं को बहुत सरलता से देखते हैं।

पेपर सुझाव देता है कि इन पाँच जालों के कारण, डिजिटल स्वास्थ्य उपाय अक्सर विभिन्न लिंगों की विशिष्ट आवश्यकताओं को मिस कर देते हैं। लेखक यह नहीं कह रहे हैं कि तकनीक हमेशा के लिए टूट गई है, बल्कि वे चेतावनी दे रहे हैं कि हम केवल इसे चालू नहीं कर सकते और बेहतर परिणाम की उम्मीद नहीं कर सकते। इसके बजाय, वे एक बड़े अपग्रेड की सिफारिश करते: हमें यह सुनिश्चित करने की आवश्यकता है कि "जेंडर मेनस्ट्रीमिंग" (हर चरण पर लिंग के बारे में सोचना) और "इंटरसेक्शनैलिटी" (यह समझना कि एक व्यक्ति की पहचान के विभिन्न हिस्से आपस में कैसे मिलते हैं) को शुरुआत से ही सिस्टम में बुना जाए। केवल रेसिपी को ठीक करके, रोबोट रेफरी को बेहतर प्रशिक्षण देकर और यह सुनिश्चित करके कि सबके पास कंट्रोलर है, हम एक ऐसा डिजिटल स्वास्थ्य जगत बना सकते हैं जो सभी के लिए काम करे।