Equality of Opportunity and Efficiency in Secondary Education before and after Covid-19 Pandemic

शिक्षा की दुनिया को एक विशाल, हलचल भरे रेस ट्रैक के रूप में कल्पना करें। दशकों से, अर्थशास्त्री और समाजशास्त्री दो चीजों पर बहस कर रहे हैं: धावक कितनी तेजी से दौड़ रहे हैं (दक्षता/efficiency) और क्या सभी ने एक ही शुरुआती रेखा से शुरुआत की थी (अवसर की समानता/equality of opportunity)। "दक्षता" केवल एक फैंसी तरीका है यह पूछने का कि, "क्या हम अपने पैसे और शिक्षकों का अधिकतम लाभ उठा रहे हैं?" "अवसर की समानता" एक गहरा सवाल पूछती है: "क्या एक छात्र की सफलता उसकी अपनी कड़ी मेहनत से निर्धारित होती है, या उन चीजों से जो उसके नियंत्रण में नहीं हैं, जैसे कि उसके माता-पिता कितने अमीर हैं या वह घर पर कौन सी भाषा बोलता है?"

लंबे समय तक, लोगों को लगा कि ये दोनों लक्ष्य दुश्मन थे। पुरानी कहानी कुछ ऐसी थी: यदि आप सभी के लिए दौड़ को निष्पक्ष बनाने की कोशिश करते हैं, तो आप सबसे तेज धावकों को धीमा कर सकते हैं, या यदि आप केवल गति पर ध्यान केंद्रित करते हैं, तो आप धीमे धावकों को पीछे छोड़ सकते हैं। लेकिन यह नया शोध बताता है कि यह कहानी गलत हो सकती है। वास्तव में, सबसे अच्छे धावक वे हो सकते हैं जो यह सुनिश्चित करते हैं कि सभी को एक निष्पक्ष शुरुआत मिले। इसे समझने के लिए, लेखकों ने 24 देशों के एक विशाल डेटासेट का अध्ययन किया, जिसमें महामारी (2018) से पहले और लॉकडाउन और रिमोट लर्निंग की उथल-पुथल के बाद (2022) के बीच स्कूलों के प्रदर्शन की तुलना की गई। उन्होंने यह देखने के लिए बहुत ही स्मार्ट कंप्यूटर टूल्स का उपयोग किया कि क्या महामारी ने रेस ट्रैक को कुछ बच्चों के लिए अधिक ऊबड़-खाबड़ बना दिया, और क्या स्कूल अपने संसाधनों को निष्पक्ष परिणामों में बदलने में बेहतर या बदतर हुए।

महान स्कूल रेस: तूफान से पहले और बाद में

इस शोध पत्र के लेखक, फैबियो फारेला और टोमासो अगासिस्टी ने यह जांच करने का निर्णय लिया कि जब दुनिया में कोविड-19 महामारी आई, तो माध्यमिक शिक्षा की निष्पक्षता और दक्षता के साथ क्या हुआ। उन्होंने प्रत्येक देश को एक दौड़ की टीम की तरह माना, यह देखने की कोशिश की कि वे अपने "ईंधन" (स्कूलों पर खर्च किया गया पैसा और शिक्षकों की संख्या) को "गति" (छात्रों के टेस्ट स्कोर) और "निष्पक्षता" (यह सुनिश्चित करना कि छात्र की पृष्ठभूमि उसके अंतिम परिणाम को तय न करे) में कितनी अच्छी तरह बदलते हैं।

ऐसा करने के लिए, उन्होंने केवल औसत टेस्ट स्कोर को नहीं देखा। उन्होंने मशीन लर्निंग (Machine Learning) नामक एक विशेष प्रकार के कंप्यूटर जादू का उपयोग किया। एक जासूस की कल्पना करें जो रहस्य सुलझाने की कोशिश कर रहा है: "इस छात्र का स्कोर कम क्यों आया?" कंप्यूटर ने छात्र के जीवन के बारे में 11 अलग-अलग सुराग देखे—जैसे उनके घर में कितनी किताबें थीं, उनके माता-पिता की नौकरियां, क्या उनके पास पढ़ने के लिए एक शांत कमरा था, और क्या उनके पास कंप्यूटर था। कंप्यूटर ने एक विशाल 'डिसीजन ट्री' बनाया, जिसने छात्रों को इन सुरागों के आधार पर समूहों में विभाजित किया। इसने पाया कि कई छात्रों के लिए, उनकी किस्मत कलम उठाने से पहले ही उनकी पारिवारिक पृष्ठभूमि के सितारों में लिखी जा चुकी थी। कंप्यूटर ने "अवसर की असमानता" (Inequality of Opportunity - IOp) के लिए एक स्कोर की गणना की। उच्च स्कोर का मतलब था कि दौड़ बेईमानी से भरी थी; कम स्कोर का मतलब था कि दौड़ निष्पक्ष थी।

फिर, उन्होंने डेटा एनवेलपमेंट एनालिसिस (Data Envelopment Analysis - DEA) नामक एक उपकरण का उपयोग किया। इसे एक "सर्वश्रेष्ठ-अभ्यास" (best-practice) पैमाने के रूप में समझें। यह सबसे कुशल देशों को जोड़ने वाली एक रेखा खींचता है—वे देश जिन्होंने कम ईंधन के साथ सबसे अच्छे परिणाम प्राप्त किए। इस रेखा से नीचे का कोई भी देश "अकुशल" माना जाता है, जिसका अर्थ है कि वे अधिक पैसा खर्च किए बिना बेहतर कर सकते थे। उन्होंने दो चीजें मापीं: देशों ने औसत टेस्ट स्कोर को कितनी अच्छी तरह अधिकतम किया, और उन्होंने निष्पक्षता को कितनी अच्छी तरह अधिकतम किया।

उन्होंने क्या पाया: महामारी ने ट्रैक को अधिक ऊबड़-खाबड़ बना दिया

परिणामों ने 2018 और 2022 के बीच क्या हुआ, इसका एक स्पष्ट, हालांकि थोड़ा चिंताजनक, चित्र प्रस्तुत किया।

1. दौड़ कम निष्पक्ष हो गई
सबसे चौंकाने वाला निष्कर्ष यह है कि लगभग हर देश में, महामारी के बाद दौड़ कम निष्पक्ष हो गई। "अवसर की असमानता" का स्कोर बढ़ गया। इसका मतलब है कि एक छात्र की पृष्ठभूमि उसकी सफलता के लिए एक बड़ा कारक बन गई। महामारी ने मौजूदा असमानताओं के लिए एक आवर्धक लेंस (magnifying glass) के रूप में काम किया। समृद्ध घरों के छात्रों के पास विश्वसनीय इंटरनेट, शांत अध्ययन स्थान और होमवर्क में मदद करने वाले माता-पिता थे। गरीब घरों के छात्रों को अक्सर टूटे हुए उपकरणों, शोर वाले घरों और कई नौकरियां करने वाले माता-पिता के कारण संघर्ष करना पड़ा। कंप्यूटर विश्लेषण ने दिखाया कि 2022 में इन "परिस्थितियों" ने टेस्ट स्कोर के अंतर को 2018 की तुलना में अधिक समझाया।

2. स्कूल अपने संसाधनों का उपयोग करने में कम कुशल हो गए
जब लेखकों ने देखा कि देश पैसे और शिक्षकों को परिणामों में कितनी कुशलता से बदल रहे थे, तो उन्हें गिरावट मिली। 2018 में, देश निष्पक्षता बनाने में औसतन 92% और उच्च टेस्ट स्कोर बनाने में 95% कुशल थे। 2022 तक, वे नंबर क्रमशः गिरकर 89% और 94% हो गए। ऐसा लग रहा था जैसे स्कूल वही दौड़ दौड़ रहे थे लेकिन अक्सर अपने ही जूतों के फीतों में उलझकर गिर रहे थे। उनके पास समान संख्या में शिक्षक और समान बजट था, लेकिन वे उनसे उतनी "गति" या "निष्पक्षता" प्राप्त नहीं कर पा रहे थे। महामारी ने स्कूली शिक्षा की लय को बाधित कर दिया, और इसने संसाधनों के उपयोग पर बुरा प्रभाव डाला।

3. तकनीक ने दिन बचा लिया (एक तरह से)
यहाँ एक मोड़ है: भले ही स्कूल अपने वर्तमान संसाधनों का उपयोग करने में कम कुशल हो गए, लेकिन शिक्षा प्रणालियों की समग्र उत्पादकता (productivity) वास्तव में बढ़ गई। यह कैसे संभव है? लेखकों ने इसे समझने के लिए मैल्मक्विस्ट इंडेक्स (Malmquist Index) नामक एक उपकरण का उपयोग किया। उन्होंने पाया कि "प्रोडक्शन फ्रंटियर" (संभव परिणामों की सैद्धांतिक सीमा) बाहर की ओर बढ़ गई। इसका अर्थ है कि शिक्षा की तकनीक में सुधार हुआ। देशों ने नए डिजिटल उपकरणों और तरीकों को अपनाया जिससे, सैद्धांतिक रूप से, बेहतर परिणाम प्राप्त किए जा सकते थे। हालांकि, अधिकांश देश अभी तक इस नए, उच्च मानक के साथ तालमेल बिठाने में पूरी तरह सक्षम नहीं हो पाए थे। वे पहले की तुलना में तेज़ दौड़ रहे थे, लेकिन फिनिश लाइन और भी दूर चली गई थी।

बड़ा मिथक टूटा: निष्पक्षता और गति मित्र हैं

इस शोध पत्र का सबसे रोमांचक हिस्सा वह है जो पुराने विवाद के बारे में कहता है: "क्या हमें निष्पक्ष होने या तेज़ होने में से किसी एक को चुनना होगा?"

लेखकों ने पाया कि कोई ट्रेड-ऑफ (समझौता) नहीं है। वास्तव में, उन्होंने इसके विपरीत पाया। जो देश टेस्ट स्कोर के लिए संसाधनों को बदलने में सबसे अच्छे थे, वे ही निष्पक्षता पैदा करने में भी सबसे अच्छे थे।

• सहसंबंध (Correlation): यदि आप 24 देशों के मानचित्र को देखते, तो उच्च दक्षता स्कोर वाले देश वही थे जिनमें अवसर की असमानता का स्कोर कम था।
• सुदृढ़ीकरण: यह संबंध महामारी के बाद वास्तव में और मजबूत हो गया। जिन देशों ने संकट के दौरान अपने सिस्टम को सुचारू रूप से और निष्पक्ष रूप से चलाने में सफलता पाई, वे ही कुशल बने रहे।

यह शोध पत्र सुझाव देता है कि अवसर की असमानता केवल एक नैतिक समस्या नहीं है; यह एक दक्षता की समस्या भी है। जब एक प्रणाली किसी छात्र की पृष्ठभूमि को उसके ग्रेड का फैसला करने देती है, तो यह एक तेज़ धावक को कुर्सी से बंधे रहने जैसा है। उन्हें मुक्त करके और उन्हें एक निष्पक्ष शुरुआत देकर, पूरी प्रणाली तेज़ हो जाती है।

मुख्य सीख

शोध पत्र निष्कर्ष निकालता है कि महामारी ने केवल टेस्ट स्कोर को कम नहीं किया; इसने शिक्षा की नींव में दरारें पैदा कीं और उन्हें चौड़ा कर दिया। इसने उस दौड़ को कठिन बना दिया जो पीछे से शुरू हुई थी। हालांकि, इसने यह भी साबित किया कि आपको तेज़ होने के लिए निष्पक्षता का त्याग करने की आवश्यकता नहीं है। सबसे सफल शैक्षिक प्रणालियाँ वे हैं जो दोनों को प्रबंधित करती हैं।

लेखक सावधानीपूर्वक कहते हैं कि उन्होंने यह सिद्ध नहीं किया है कि असमानता को ठीक करने से बेहतर स्कोर मिलते हैं (वे केवल डेटा देखकर कारण और प्रभाव सिद्ध नहीं कर सकते), लेकिन साक्ष्य दृढ़ता से संकेत देते हैं कि दोनों साथ-साथ चलते हैं। भविष्य के लिए सबक स्पष्ट है: यदि हम बेहतर स्कूल चाहते हैं, तो हमें केवल उन पर अधिक पैसा नहीं लगाना चाहिए। हमें ऐसी प्रणालियाँ डिजाइन करने की आवश्यकता है जो यह सुनिश्चित करें कि हर छात्र, उसकी पृष्ठभूमि की परवाह किए बिना, दौड़ में भाग लेने का समान अवसर रखे। क्योंकि जब सभी को एक निष्पक्ष शुरुआत मिलती है, तो पूरी टीम जीतती है।