Substituting National-IQ and Harmonized-Learning Indicators: An Output-Specific Replication and Sensitivity Audit
यह शोध पत्र राष्ट्रीय-आईक्यू और सामंजस्यपूर्ण-लर्निंग संकेतकों की तुलना करते हुए एक संवेदनशीलता ऑडिट (sensitivity audit) करता है, जिसमें उच्च सहसंबंध और समान रैंक वितरण पाया गया है, लेकिन यह निष्कर्ष निकालता है कि अपनी सांख्यिकीय समानताओं के बावजूद ये डेटासेट विनिमेय या कारण संबंधी रूप से समकक्ष नहीं 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
राष्ट्रों के अध्ययन में, शोधकर्ता अक्सर किसी देश के लोगों की सामूहिक मानसिक क्षमता को मापने का प्रयास करते हैं। एक दृष्टिकोण में व्यक्तियों के छोटे समूहों को दिए गए बुद्धि परीक्षणों (इंटेलिजेंस टेस्ट) से प्राप्त अंकों को संकलित करना और राष्ट्रीय अनुमान बनाने के लिए उनका औसत निकालना शामिल है। एक अन्य दृष्टिकोण गणित, पठन और विज्ञान में लाखों स्कूली बच्चों द्वारा दी गई मानकीकृत परीक्षाओं के परिणामों को देखता है। वर्षों से, इन दो अलग-अलग संख्या समूहों की तुलना की जाती रही है। जब वे एक साथ चलते हैं—जब उच्च परीक्षण स्कोर वाले देशों में उच्च अनुमानित बुद्धि स्कोर भी होते हैं—तो कुछ लोगों ने यह मान लिया है कि ये दोनों माप अनिवार्य रूप से एक ही चीज़ हैं, यानी ऐसे परस्पर विनिमेय उपकरण जिन्हें शोध में बिना कहानी बदले एक-दूसरे के स्थान पर उपयोग किया जा सकता है। यह धारणा लुभावनी है क्योंकि यह राष्ट्रों की तुलना करने के जटिल कार्य को सरल बनाती है। हालाँकि, संख्याओं की दो सूचियों के बीच उच्च सहसंबंध (कोरिलेशन) का अर्थ स्वतः यह नहीं है कि वे हर एक देश के बारे में एक ही कहानी बताते हैं, और न ही यह गारंटी देता है कि वे आर्थिक सफलता की भविष्यवाणी करने के लिए उपयोग किए जाने पर एक ही निष्कर्ष तक ले जाएंगे।
स्वतंत्र शोधकर्ता जॉर्जियो किमिनोस द्वारा किया गया एक हालिया ऑडिट इस धारणा को चुनौती देता है, जो इन दोनों मापों को जुड़वां भाई-बहनों के रूप में नहीं, बल्कि विशिष्ट प्रश्नों के लिए परीक्षण किए जाने वाले अलग-अलग उपकरणों के रूप में देखता है। यह अध्ययन एक व्यावहारिक, यदि निर्गुणी प्रश्न पूछता है: यदि एक शोधकर्ता राष्ट्रीय बुद्धि स्कोर को एक सामंजस्यपूर्ण शिक्षण स्कोर (लर्निंग स्कोर) से बदल देता है, तो क्या देशों की रैंकिंग बदल जाती है? क्या शीर्ष प्रदर्शन करने वाले देशों की सूची वही रहती है? क्या इन स्कोर और किसी देश की संपत्ति के बीच का संबंध बना रहता है? इसका उत्तर देने के लिए, शोधकर्ता ने ठीक साठ-छह अर्थव्यवस्थाओं का डेटा एकत्र किया जहाँ दोनों प्रकार के स्कोर उपलब्ध थे। फिर उन्होंने जाँच की एक श्रृंखला चलाई, जिसमें यह तुलना की गई कि देश एक-दूसरे के विरुद्ध कैसे पंक्तिबद्ध हैं, कौन से राष्ट्र सूची में सबसे ऊपर और सबसे नीचे दिखाई देते हैं, और प्रत्येक सूची ने 2017 में प्रति व्यक्ति सकल घरेलू उत्पाद (जीडीपी) की कितनी मजबूती से भविष्यवाणी की।
परिणाम दर्शाते हैं कि जबकि दोनों माप आपस में निकटता से जुड़े हुए हैं, वे परस्पर विनिमेय (इंटरचेंजेबल) नहीं हैं। जब शोधकर्ता ने साठ-छह देशों की रैंकिंग की तुलना की, तो बुद्धि स्कोर से लर्निंग स्कोर पर स्विच करने पर औसत देश सूची में लगभग दस स्थान ऊपर या नीचे खिसक गया। हालांकि समग्र पैटर्न समान रहा, लेकिन विशिष्ट क्रम इतना बदल गया कि वह महत्वपूर्ण था। उदाहरण के लिए, शीर्ष देशों के समूह को देखते समय, दोनों सूचियाँ शीर्ष सात देशों में से केवल चार पर सहमत थीं। सूची के निचले स्तर पर, वे सात सबसे कम रैंक वाले देशों में से केवल दो पर सहमत थीं। इसका अर्थ यह है कि एक देश जिसे एक प्रणाली में अग्रणी माना जाता है, उसे दूसरी में केवल औसत माना जा सकता है, और एक राष्ट्र जो एक में संघर्ष कर रहा है, वह दूसरी में कम गंभीर दिखाई दे सकता है। ये दो माप एक ही भूभाग के दो अलग-अलग मानचित्रों की तरह हैं: वे परिदृश्य के सामान्य आकार को दिखाते हैं, लेकिन यदि आप किसी विशिष्ट गंतव्य तक जाने का प्रयास कर रहे हैं, तो उनके द्वारा सुझाया गया मार्ग काफी भिन्न हो सकता है।
अध्ययन ने यह भी जांचा कि ये स्कोर किसी देश की आर्थिक संपत्ति की कितनी अच्छी तरह भविष्यवाणी करते हैं। इन साठ-छटह देशों के इस विशिष्ट समूह में, लर्निंग स्कोर ने इंटेलिजेंस स्कोर की तुलना में धन के साथ थोड़ा मजबूत संबंध दिखाया। हालांकि, अंतर इतना छोटा था कि सांख्यिकीय परीक्षण यह पुष्टि नहीं कर सके कि यह एक वास्तविक, विश्वसनीय लाभ था या केवल विशिष्ट नमूने का एक संयोग। शोधकर्ता ने पाया कि परिणाम इस बात के प्रति संवेदनशील था कि डेटा का निर्माण कैसे किया गया है। जब नमूने को अलग देशों को शामिल करने के लिए बदला गया, या जब डेटा को जनसंख्या के आकार को दर्शाने के लिए भारित (वेटेज दिया गया) किया गया न कि प्रत्येक देश को समान मानने के बजाय, तो दोनों मापों के बीच के अंतर का आकार बदल गया। कुछ विविधताओं में, लर्निंग स्कोर धन की भविष्यवाणी करने में बहुत बेहतर दिखे; अन्य में, अंतर कम हो गया या उल्टा भी हो गया। महत्वपूर्ण रूप से, अध्ययन ने पाया कि प्राथमिक विश्लेषण में अंतर की दिशा सुसंगत रही, लेकिन उस अंतर का परिमाण पूरी तरह से इस पर निर्भर था कि किन देशों को शामिल किया गया और डेटा को कैसे भारित किया गया।
यह कार्य उन सभी के लिए एक चेतावनी के रूप में कार्य करता है जो व्यापक तुलना करने के लिए राष्ट्रीय डेटा का उपयोग कर रहे हैं। यह ऑडिट प्रदर्शित करता है कि उच्च सहसंबंध एक जादू की छड़ी नहीं है जो दो अलग-अलग मापों को एक समान बना देती है। केवल इसलिए कि संख्याओं की दो सूचियाँ एक साथ चलती हैं, इसका मतलब यह नहीं है कि वे विवरणों पर सहमत हैं, और न ही इसका मतलब यह है कि वे एक ही नीतिगत निर्णय या शोध निष्कर्षों की ओर ले जाएंगी। शोधकर्ता ने एक माप को दूसरे से श्रेष्ठ घोषित नहीं किया, और न ही उन्होंने एक को अमान्य सिद्ध किया। इसके बजाय, अध्ययन इस बात पर प्रकाश डालता है कि किस संख्या का उपयोग करना महत्वपूर्ण है। यह दर्शाता है कि एक संकेतक को दूसरे से बदलना राष्ट्रों की रैंकिंग को बदल सकता है, यह बदल सकता है कि किन देशों को 'आउटलायर' (विपथगामी) के रूप में पहचाना जाता है, और आर्थिक परिणामों के साथ उनके संबंध की मजबूती को भी बदल सकता है। निष्कर्षों का सुझाव है कि एक माप को दूसरे से बदलने से पहले, शोधकर्ताओं को यह स्पष्ट रूप से परिभाषित करना चाहिए कि वे वास्तव में क्या संरक्षित करने का प्रयास कर रहे हैं—विशिष्ट रैंकिंग, शीर्ष प्रदर्शन करने वालों का वर्गीकरण, या किसी परिणाम के साथ संबंध—और यह परीक्षण करना चाहिए कि क्या नया माप वास्तव में उस आधार को बनाए रखता है। ऐसे चेक के बिना, प्रतिस्थापन एक अपुष्ट अनुमान बना रहता है, और उससे निकाले गए निष्कर्ष उतने नाजुक हो सकते हैं जितने वे दिखाई देते 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।