Complexity Suppression: An Institutional Theory of Governmental Cognition in Complex Policy Systems
यह लेख "जटिलता दमन" (complexity suppression) को एक तंत्र-आधारित संस्थागत सिद्धांत के रूप में प्रस्तावित करता है जो यह स्पष्ट करता है कि कैसे जटिल वास्तविकताओं को आधिकारिक निरूपणों में सरल बनाने की सरकारों की अनिवार्यता, महत्वपूर्ण कारणगत गतिकी (causal dynamics) को बाहर करने, विरोधाभासी फीडबैक को छानने और संज्ञानात्मक ऋण (cognitive debt) को संचित करने के माध्यम से नीतिगत विफलता का कारण बन सकती है, और अंततः यह तर्क देता है कि प्रभावी शासन के लिए कार्रवाई हेतु सरलीकरण और सीखने एवं सुधार के लिए पर्याप्त प्रणालीगत विविधता के संरक्षण के बीच एक अनुशासित संतुलन की आवश्यकता 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
सरकारें एक ऐसी समस्या का सामना करती हैं जिसे कोई भी अकेला व्यक्ति हल नहीं कर सकता: एक ऐसी दुनिया का प्रबंधन कैसे किया जाए जो बहुत विशाल, बहुत तेज़ और इतनी उलझी हुई है कि उसे एक साथ समझा नहीं जा सकता। निर्णय लेने के लिए, सार्वजनिक संस्थानों को वास्तविकता को कुछ ऐसा बनाने में बदलना पड़ता है जिसे वे अपने हाथों में थाम सकें। वे आबादी को श्रेणियों में बदलते हैं, अनिश्चित भविष्य को पूर्वानुमानों में बदलते हैं, और जटिल सामाजिक समस्याओं को सरल लक्ष्यों और चेकलिस्ट में बदल देते हैं। यह प्रक्रिया कोई गलती नहीं है; यह एक आवश्यकता है। दुनिया को प्रबंधनीय टुकड़ों में सरल बनाए बिना, सरकार लाखों लोगों का समन्वय नहीं कर सकती या एक भी डॉलर खर्च नहीं कर सकती। हालाँकि, सरलीकरण का यह कार्य एक छिपे हुए जोखिम को भी साथ लाता है। जब अधिकारी किसी समस्या को स्पष्ट दिखाने के लिए उसके जटिल विवरणों को हटा देते हैं, तो वे अनजाने में उन हिस्सों को भी हटा सकते हैं जो यह निर्धारित करते हैं कि कोई नीति सफल होगी या विफल। इसका परिणाम वास्तविकता का एक ऐसा संस्करण होता है जो कागजों पर तो आदर्श दिखता है, लेकिन कार्यालय के बाहर की दुनिया से मेल खाने में विफल रहता है।
यूनाइटेड नेशंस यूनिवर्सिटी के शोधकर्ता मोहम्मद अलौतैबी का एक नया अध्ययन ठीक इसी बात की पड़ताल करता है कि यह कैसे होता है। वे इस प्रक्रिया को "कॉम्प्लेक्सिटी सप्रेशन" (जटिलता दमन) कहते हैं। यह केवल चीजों को सरल बनाने के बारे में नहीं है; यह उन्हें इस तरह से बहुत अधिक सरल बनाने के बारे में है जो सरकार को अपनी ही गलतियों के प्रति अंधा बना देता है। शोध बताता है कि जब सरकार किसी समस्या का एक सरल मॉडल बनाती है—जैसे शिक्षा के लिए कोई योजना या महामारी के लिए कोई रणनीति—तो वह मॉडल एक ढाल बन सकता है। यदि योजना विफल होती है, तो सरकार अक्सर योजना के बजाय उसे लागू करने वाले लोगों को दोष देती है। समय के साथ, यह सरकार के यह सोचने और वास्तव में क्या हो रहा है, इसके बीच एक अंतर पैदा करता है। अध्ययन यह दावा नहीं करता कि सरकारें मूर्ख हैं या वे सीख नहीं सकतीं। इसके बजाय, यह दिखाता है कि कैसे निर्णय लेने में मदद करने के लिए बनाई गई संरचनाएं—पदानुक्रम, प्रदर्शन लक्ष्य और बाहरी विशेषज्ञ—अनजाने में उन चेतावनी संकेतों को फ़िल्टर कर सकती हैं जो बताते हैं कि एक योजना गलत है।
यह शोध चार विशिष्ट तरीकों की पहचान करता है जिनसे यह फ़िल्टरिंग होती है। पहला, "एपिस्टेमिक कम्प्रेशन" (ज्ञान संबंधी संपीड़न) है, जो एक जटिल तरीका कहने का है कि जटिल, अनिश्चित वास्तविकताओं को साफ, निश्चित श्रेणियों में समेट दिया जाता है। जब सरकार किसी समस्या को मापने का निर्णय लेती है, तो उसे अक्सर उन हिस्सों को अनदेखा करना पड़ता है जिन्हें गिनना कठिन है या जो तेज़ी से बदलते हैं। दूसरा, "हाइरार्किकल कम्प्रेशन" (पदानुक्रमित संपीड़न) तब होता है जब जानकारी कमांड की श्रृंखला में ऊपर की ओर बढ़ती है। जैसे-जैसे रिपोर्ट स्थानीय कार्यालयों से शीर्ष नेताओं तक पहुँचती है, संदेश को स्पष्ट और निर्णायक बनाने के लिए जटिल विवरणों और स्थानीय असहमति को हटा दिया जाता है। नेताओं को एक साफ सारांश मिलता है, लेकिन वे उस संदर्भ को खो देते है जो यह समझा सके कि योजना क्यों विफल हो रही है। तीसरा, "मेट्रिक सब्स्टिट्यूशन" (मापन प्रतिस्थापन) तब होता है जब कोई माप स्वयं लक्ष्य बन जाता है। कल्पना कीजिए कि एक स्कूली प्रणाली जिसका मूल्यांकन केवल टेस्ट स्कोर द्वारा किया जाता है। शिक्षक केवल परीक्षा के लिए पढ़ाना शुरू कर सकते हैं, सीखने के अन्य महत्वपूर्ण हिस्सों की अनदेखी करते हुए, ताकि नंबर अच्छे दिखें। मापन वास्तविकता का दर्पण नहीं रहता बल्कि वास्तविकता ही बन जाता है। अंत में, "कॉग्निटिव एक्सटर्नलाइजेशन" (संज्ञानात्मक बाह्यीकरण) तब होता है जब सरकारें बाहरी विशेषज्ञों पर इतनी अधिक निर्भर हो जाती हैं कि वे स्वयं सोचना भूल जाती हैं। उनके पास निर्णय लेने का अधिकार तो रहता है लेकिन प्राप्त सलाह को समझने या चुनौती देने की क्षमता खो जाती है।
ये चार प्रक्रियाएं मिलकर एक चक्र के रूप में काम करती हैं जो सरकार को एक गलत निर्णय में फंसा सकती है। अध्ययन इसे दो वास्तविक दुनिया के उदाहरणों के माध्यम से स्पष्ट करता है। पहला संयुक्त राज्य अमेरिका में "नो चाइल्ड लेफ्ट बिहाइंड" कानून है। इस नीति ने स्कूलों के लिए सख्त टेस्ट-स्कोर लक्ष्य निर्धारित करके शिक्षा को सुधारने की कोशिश की। सरकार ने "सीखने" के जटिल लक्ष्य को एक संख्या में सरल बना दिया: टेस्ट पास करने वाले छात्रों का प्रतिशत। क्योंकि स्कूलों को लक्ष्य चूकने पर वास्तविक परिणाम भुगतने थे, इसलिए उन्होंने अपना व्यवहार बदल लिया। उन्होंने उन छात्रों पर तीव्रता से ध्यान केंद्रित किया जो मुश्किल से पास होने वाले थे, जबकि उन लोगों की अनदेखी की जो पहले से ही पास थे या जो बहुत पीछे छूट गए थे। टेस्ट स्कोर बढ़ गए, लेकिन शिक्षा की वास्तविक गुणवत्ता में आवश्यक रूपसे सुधार नहीं हुआ। सरकार ने बढ़ते हुए नंबर देखे और सोचा कि योजना काम कर रही है, जबकि गहरा तंत्र उन तरीकों से अनुकूलित हो रहा था जिनकी योजना ने भविष्यवाणी नहीं की थी।
दूसरा उदाहरण यूनाइटेड किंगडम की महामारी की तैयारी से आता है। कोरोनावायरस के आगमन से पहले, यूके के पास एक विशिष्ट परिदृश्य पर आधारित एक विस्तृत योजना थी: एक फ्लू जैसा वायरस। यह योजना स्पष्ट, व्यवस्थित और प्रबंधित करने में आसान थी। हालाँकि, जब एक नया वायरस आया जिसके लक्षण अलग थे, तो सरकार की तैयारी उस नई वास्तविकता के अनुकूल नहीं थी। योजना एक विशेष प्रकार के खतरे पर इतनी केंद्रित थी कि उसने दूसरे प्रकार के खतरे को संभालने के लिए लचीलापन खो दिया था। यहाँ तक कि शुरुआती अभ्यासों ने जब दिखाया कि व्यवस्था कमजोर है, तो उन चेतावनियों को योजना की खामी के बजाय "कार्यान्वयन की समस्या" के रूप में लिया गया। सरकार एक ऐसी योजना के क्रियान्वयन को ठीक करने की कोशिश करती रही जो मौलिक रूप से खतरे के साथ मेल नहीं खाती थी।
पत्र का मुख्य निष्कर्ष यह है कि यह चक्र क्या बनाता है जिसे लेखक "कॉग्निटिव डेट" (संज्ञानात्मक ऋण) कहते हैं। जिस तरह वित्तीय ऋण तब जमा होता है जब आप अपनी कमाई से अधिक खर्च करते हैं, उसी तरह संज्ञानात्मक ऋण तब जमा होता है जब सरकार उन सबूतों की अनदेखी करती है जो उसके विश्वासों के विपरीत होते हैं। हर बार जब एक योजना विफल होती है और सरकार योजना के बजाय श्रमिकों को दोष देती है, तो सरकार के मॉडल और वास्तविक दुनिया के बीच का अंतर बढ़ता जाता है। अंततः, सरकार के पास सारी सत्ता और सारे संसाधन हो सकते हैं, लेकिन वह यह समझने की क्षमता खो देती है कि चीजें क्यों गलत हो रही हैं। वह वास्तविकता के एक सरल संस्करण में फंस जाती है जो अब काम नहीं करता।
यह पत्र तर्क देता है कि समाधान सरलीकरण को रोकना नहीं है। सरकारें दुनिया को सरल बनाए बिना उसका प्रबंधन नहीं कर सकतीं। इसके बजाय, उन्हें वह चाहिए जिसे लेखक "डिसिप्लिन्ड कॉम्प्लेक्सिटी" (अनुशासित जटिलता) कहते हैं। इसका अर्थ है कार्य करने के लिए पर्याप्त सरलीकरण करना, लेकिन पर्याप्त जटिल विवरणों को बनाए रखना ताकि यह पता चल सके कि सरलीकरण कहाँ गलत हुआ है। इसके लिए वैकल्पिक विचारों को जीवित रखने, विरोधाभासी साक्ष्यों को सुनने और योजना को बदलने के लिए तैयार रहने की आवश्यकता है जब नंबर वास्तविकता से मेल खाना बंद कर दें। अध्ययन सुझाव देता है कि सरकार जो सबसे खतरनाक काम कर सकती है वह अपने ही सरल मॉडलों को पूर्ण सत्य मानना है। लक्ष्य ऐसे सिस्टम बनाना है जो यह जानने के लिए पर्याप्त स्मार्ट हों कि वे कब गलत हैं, यह सुनिश्चित करते हुए कि मानचित्र (मैप) क्षेत्र (टेरिटरी) के नेविगेशन के लिए एक उपकरण बना रहे, न कि क्षेत्र का विकल्प।
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।