Overcoming Blind Spots in Humanitarian Needs Assessments: Interview Insights regarding Constraints and Solutions for Qualitative Methods

किसी आपदा के अराजक बाद के दौर में, चाहे वह भूकंप हो, युद्ध हो या बीमारी का प्रकोप, सहायता कर्मियों के लिए सबसे पहला और महत्वपूर्ण कार्य यह समझना है कि लोगों को वास्तव में क्या चाहिए। इस प्रक्रिया को 'मानवीय आवश्यकता मूल्यांकन' (humanitarian needs assessment) कहा जाता है। यह उस स्थिति के बीच का अंतर है जहाँ आप गर्मी की लहर से जूझ रहे क्षेत्र में सर्दियों के कोटों का एक ट्रक भेज देते हैं या उस समुदाय को साफ पानी प्रदान करते हैं जिसके पास इसका पर्याप्त भंडार है लेकिन दवाइयों की कमी है। दशकों से, इस जानकारी को एकत्र करने का मानक तरीका बड़ी संख्या में लोगों से निश्चित उत्तरों वाले निश्चित प्रश्नों को पूछना रहा है, जैसे कि किसी फॉर्म पर बॉक्स टिक करना। यह विधि ऐसे आंकड़े पैदा करती है जिन्हें गिनना और तुलना करना आसान होता है, जो दानदाताओं को यह तय करने में मदद करता है कि पैसा कहाँ भेजना है। हालाँकि, केवल संख्याएँ अक्सर पूरी कहानी बताने में विफल रहती हैं। वे यह नहीं समझा सकतीं कि कोई परिवार खाद्य सहायता लेने से क्यों मना कर रहा है, किसी नए क्लिनिक के बारे में किसी समुदाय की क्या भावना है, या एक विकलांग व्यक्ति के लिए आश्रय तक पहुँचने में कौन सी विशिष्ट बाधाएँ हैं। इन गहरी उत्तरों को प्राप्त करने के लिए, सहायता कर्मियों को लोगों के अपने शब्दों को सुनने की आवश्यकता होती है, जिसे गुणात्मक अनुसंधान (qualitative research) कहा जाता है। लेकिन सुनने में समय लगता है, और संकट के समय, समय एक ऐसी विलासिता है जिसे वहन करना अक्सर असंभव लगता है।

2026 में प्रकाशित एक नया अध्ययन इस बात की जांच करता है कि मानवीय क्षेत्र इन सुनने के तरीकों का उपयोग करने में संघर्ष क्यों करता है, जबकि वह जानता है कि ये आवश्यक हैं। शोधकर्ताओं, जो विश्वविद्यालयों और मानवीय संगठनों के विशेषज्ञों की एक टीम है, ने सत्रह विभिन्न संगठनों के माध्यम से इन मूल्यांकनों का प्रबंधन करने वाले अनुभवी पेशेवरों के साथ तेईस गहन साक्षात्कार आयोजित किए। ये विशेषज्ञ संयुक्त राष्ट्र, रेड क्रॉस और विभिन्न गैर-सरकारी समूहों सहित विविध पृष्ठभूमियों से आते हैं, और उन्होंने सीरिया से लेकर इथियोपिया तक के संकटों में काम किया है। लक्ष्य केवल समस्याओं को सूचीबद्ध करना नहीं था, बल्कि उन वास्तविक दुनिया की बाधाओं को समझना था जो सहायता कर्मियों को मानवीय आवाज को पकड़ने से रोकती हैं और उन्हें ठीक करने के व्यावहारिक तरीके खも ढूंढना था। उन्होंने पाया कि यह क्षेत्र एक कठिन बंधन में फंसा हुआ है: यह डेटा में डूब रहा है लेकिन समझ के लिए भूखा है।

अध्ययन से पता चलता है कि अधिकांश संगठनों के लिए डिफ़ॉल्ट दृष्टिकोण अत्यधिक मात्रात्मक डेटा (quantitative data) की ओर झुका हुआ हो गया है। यह बदलाव कई शक्तिशाली बलों द्वारा संचालित है। दानदाता, जो वित्त पोषण प्रदान करते हैं, अक्सर कठोर आंकड़ों को पसंद करते हैं क्योंकि उन्हें विभिन्न संकटों के बीच तुलना करना आसान होता है और नेतृत्व के लिए वे अधिक "वैज्ञानिक" प्रतीत होते हैं। डिजिटल उपकरणों का व्यापक उपयोग, जैसे कि कोबो टूलबॉक्स (KoboToolbox), जो टीमों को हैंडहेल्ड डिवाइस पर हजारों सर्वेक्षण प्रतिक्रियाएं एकत्र करने और तुरंत परिणाम देखने की अनुमति देता है, ने इस संख्यात्मक दृष्टिकोण को और भी प्रभावी बना दिया है। यह दिखाने वाला ग्राफ प्राप्त करने की आसानी कि "साठ प्रतिशत लोगों को भोजन की आवश्यकता है" आकर्षक है। यह तीव्र निर्णय लेने की अनुमति देता है, जो आपदा के शुरुआती दिनों में अत्यंत महत्वपूर्ण है। हालाँकि, विशेषज्ञों का तर्क है कि यह गति एक भारी कीमत पर आती है। जटिल मानवीय अनुभवों को पूर्व-निर्धारित बक्सों में जबरन फिट करके, सहायता कर्मी अक्सर उस सूक्ष्मता (nuance) को खो देते है जो संख्याओं के पीछे के "क्यों" और "कैसे" को समझाती है। एक साक्षात्कारकर्ता ने उल्लेख किया कि जबकि एक सर्वेक्षण भोजन की उच्च आवश्यकता दिखा सकता है, यह यह नहीं समझा सकता कि भोजन को सड़क पर सशस्त्र समूहों द्वारा रोका जा रहा है, जो कि एक सुरक्षित वितरण मार्ग की योजना बनाने के लिए एक महत्वपूर्ण विवरण होगा।

सुनने के तरीकों का उपयोग करने की बाधाएं केवल संख्याओं के प्रति प्राथमिकता के बारे में नहीं हैं; वे व्यावहारिक सीमाओं में गहराई से निहित हैं। सबसे महत्वपूर्ण बाधा समय और प्रशिक्षण है। बोले गए शब्दों या लिखित नोट्स का विश्लेषण करने में फॉर्म पर टिक गिनने की तुलना में बहुत अधिक समय लगता है। एक आपात स्थिति में, जहाँ निर्णय घंटों में लिए जाने चाहिए, साक्षात्कार का ट्रांसक्रिप्शन करने या स्थानीय भाषाओं के नोट्स को अंग्रेजी या फ्रेंच में अनुवाद करने का विचार एक ऐसी विलासिता जैसा लग सकता है जो सब कुछ धीमा कर देती है। इसके अलावा, कई टीमों के पास इस काम को अच्छी तरह से करने के लिए विशिष्ट कौशल की कमी होती है। अध्ययन में पाया गया कि साक्षात्कारकर्ताओं को अक्सर बहुत कम प्रशिक्षण दिया जाता है, कभी-कभी एक घंटे से भी कम, इससे पहले कि उन्हें फील्ड में भेजा जाए। उन्हें गहराई से सुनने, अनुवर्ती प्रश्न पूछने, या किसी व्यक्ति द्वारा कही जा गई बात का वास्तविक अर्थ पकड़ने के लिए नोट्स लेने का प्रशिक्षण नहीं दिया जाता है। परिणामस्वरूप, जो नोट्स लिए जाते हैं वे अक्सर खराब गुणवत्ता के होते हैं, जो संक्षिप्त अक्षरों या टाइपो से भरे होते हैं जो बाद में उन्हें बेकार बना देते हैं।

भाषा एक और जटिलता जोड़ती है। कई संकटों में, सहायता कर्मी स्थानीय भाषा नहीं बोलते हैं, और जो कुछ अनुवादक उपलब्ध होते हैं वे अक्सर अत्यधिक काम के बोझ तले दबे होते हैं या विशिष्ट मानवीय शब्दावली की बारीकियों में प्रशिक्षित नहीं होते हैं। इससे एक ऐसी स्थिति पैदा होती है जहाँ किसी व्यक्ति की कहानी का अर्थ अनुवाद में खो जाता है, या इससे भी बुरा, टीम द्वारा समय पर टेक्स्ट को प्रोसेस न कर पाने के कारण उसे पूरी तरह से अनदेखा कर दिया जाता है। अध्ययन ने एक प्रणालीगत पूर्वाग्रह पर भी प्रकाश डाला जहाँ गुणात्मक डेटा को अक्सर माध्यमिक या "किस्सागोई" (anecdotal) माना जाता है। यदि एक हजार लोगों का सर्वेक्षण एक बात कहता है, लेकिन कुछ साक्षात्कार कुछ अलग सुझाव देते हैं, तो साक्षात्कारों को अक्सर जांच के बजाय 'आउटलेयर' (विचलनों) के रूपas खारिज कर दिया जाता है। यह एक ऐसा अंधा बिंदु बनाता है जहाँ सबसे कमजोर आवाजें, जो सर्वेक्षण की मानक श्रेणियों में फिट नहीं होती हैं, कभी सुनी ही नहीं जातीं।

इन चुनौतियों के बावजूद, अध्ययन के विशेषज्ञ सर्वेक्षणों को समाप्त करने का आह्वान नहीं कर रहे हैं। इसके बजाय, वे एक हाइब्रिड दृष्टिकोण का सुझाव देते है जो कहानियों की गहराई के साथ संख्याओं की गति को जोड़ता है। वे प्रस्ताव देते हैं कि संगठनों को हर उत्तर को एक बॉक्स में डालने की कोशिश छोड़ देनी चाहिए और इसके बजाय लोगों को अपनी प्राथमिकताओं के बारे में स्वतंत्र रूप से बोलने की अनुमति देनी चाहिए। शोधकर्ता सुझाव देते हैं कि साक्षात्कारकर्ता अपने डिजिटल उपकरणों में खुले संवादों की ऑडियो रिकॉर्ड कर सकते हैं। इससे बिना यह चिंता किए कि साक्षात्कारकर्ता बातचीत को जारी रखते हुए कितनी तेजी से लिख सकता है, पूरी विस्तृत प्रतिक्रिया को कैप्चर किया जा सकेगा।

पत्र यह तर्क देता है कि समय और भाषा की बाधाओं का समाधान तकनीक, विशेष रूप से आर्टिफिशियल इंटेलिजेंस (AI) में निहित है। लेखक सुझाव देते हैं कि ऐसे उपकरण जो स्वचालित रूप से भाषण को टेक्स्ट में बदलने, उस टेक्स्ट को एक सामान्य भाषा में अनुवाद करने और फिर मुख्य विषयों का सारांश निकालने में सक्षम हैं, सहायता वितरण में क्रांति ला सकते हैं। एक ऐसी प्रणाली की कल्पना करें जहाँ एक साक्षात्कारकर्ता स्थानीय बोली में बातचीत रिकॉर्ड करता है, और मिनटों के भीतर, मुख्यालय में मौजूद एक टीम उस व्यक्ति द्वारा कही गई बातों का अनुवादित सारांश पढ़ सकती है, जो सबसे तत्काल आवश्यकताओं को उजागर करता है। यह संगठनों को वह समृद्ध, विस्तृत जानकारी एकत्र करने की अनुमति देगा जिसकी उन्हें आवश्यकता है, बिना मैनुअल ट्रांसक्रिप्शन और अनुवाद के भारी विलंब के। अध्ययन बताता है कि ये तकनीकें पहले से ही क्षेत्र में दिखाई देने लगी हैं, कुछ संगठन वॉयस-टू-टेक्स्ट टूल्स और एआई-संचालित विश्लेषण का परीक्षण कर रहे हैं। हालाँकि, विशेषज्ञ चेतावनी देते हैं कि इन उपकरणों को मानव निर्णय का समर्थन करना चाहिए, उसका स्थान नहीं लेना चाहिए। एक एल्गोरिदम सांस्कृतिक संदर्भ या कहानी के भावनात्मक भार को मिस कर सकता है, इसलिए मानव विशेषज्ञों को अभी भी परिणामों की समीक्षा करनी चाहिए।

अध्ययन के अनुसार, आगे का रास्ता तकनीक में बदलाव के साथ-साथ मानसिकता में बदलाव की भी मांग करता है। संगठनों को सुनने के लिए लगने वाले समय को महत्व देने और अपने कर्मचारियों को गुणात्मक जांच की कला में प्रशिक्षित करने की आवश्यकता है। दानदाताओं को इस प्रकार के डेटा को संसाधित करने के लिए आवश्यक अतिरिक्त समय और संसाधनों को वित्त पोषित करने के लिए तैयार रहना चाहिए। शोधकर्ता निष्कर्ष निकालते हैं कि जबकि मानवीय दुनिया में डेटा की मात्रा बढ़ रही है, समझ का अंतर भी बढ़ रहा है। तरीकों के मिश्रण को अपनाकर और मानवीय आवाज को संसाधित करने में मदद करने के लिए नए उपकरणों का उपयोग करके, यह क्षेत्र सरल सांख्यिकी से आगे बढ़कर उन लोगों को वास्तव में समझने में सक्षम हो सकता है जिनकी वे मदद करना चाहते हैं। लक्ष्य केवल जरूरतों को गिनना नहीं है, बल्कि उन्हें समझना है, यह सुनिश्चित करना है कि प्रदान की जाने वाली सहायता न केवल कुशल हो बल्कि उन लोगों के जीवन के लिए भी गहराई से प्रासंगिक हो जिन्हें इसकी सबसे अधिक आवश्यकता है।