A Bibliometric Mapping of Airport Security: Research Trends, Thematic Structure, and Practical Implications

जब भी कोई यात्री हवाई अड्डे में कदम रखता है, तो वह एक ऐसी जटिल प्रणाली में प्रवेश करता है जिसे दो प्रतिस्पर्धी आवश्यकताओं के बीच संतुलन बनाने के लिए डिज़ाइन किया गया है: सुरक्षा की परम आवश्यकता और एक सुगम, कुशल यात्रा की इच्छा। इन सुरक्षा जांच केंद्रों के पीछे के दृश्यों में, इस प्रक्रिया को समझने और सुधारने के तरीके में एक शांत क्रांति हो रही है। दशकों से, ध्यान दो अलग-अलग दुनियाओं के बीच विभाजित रहा है। एक तरफ मानवीय तत्व है: उन स्क्रीनर्स का प्रशिक्षण, मनोविज्ञान और संज्ञानात्मक सीमाएं जो खतरनाक वस्तुओं का पता लगाने के लिए एक्स-रे छवियों को देखते हैं। दूसरी ओर तकनीकी सीमा है: कंप्यूटर और सॉफ्टवेयर का तेजी से विकास जो सामान में खतरों को स्वचालित रूप से पहचान सकते हैं। हालांकि दोनों पक्ष आसमान को सुरक्षित रखने का लक्ष्य रखते हैं, लेकिन वे अक्सर अलग-अलग रास्तों पर चलते रहे हैं, और शायद ही कभी एक-दूसरे से बात करते हैं। यह अलगाव यात्रा के भविष्य के लिए एक महत्वपूर्ण प्रश्न खड़ा करता है: हम मानव कौशल और मशीन इंटेलिजेंस को मिलाकर एक ऐसी सुरक्षा प्रणाली का सर्वोत्तम संयोजन कैसे कर सकते हैं जो प्रभावी और कुशल दोनों हो?

इसे समझने के लिए, तुर्की के कोसेल विश्वविद्यालय के एक शोधकर्ता तारिक मिल्डन ने हवाई अड्डा सुरक्षा पर शैक्षणिक अनुसंधान के पूरे परिदृश्य का मानचित्रण करने का निर्णय लिया। प्रत्येक अध्ययन को एक-एक करके पढ़ने के बजाय, जो काम की विशाल मात्रा को देखते हुए असंभव होगा, उन्होंने 'बिब्लियोमेट्रिक विश्लेषण' नामक पद्धति का उपयोग किया। इसे एक विशाल पुस्तकालय का स्नैपशॉट लेने और एक ऐसा नक्शा बनाने के तरीके के रूप में समझें जो दिखाता है कि कौन सी किताबें सबसे अधिक बार एक साथ पढ़ी जाती हैं, कौन से लेखक एक-दूसरे से बात करते हैं, और कौन से विषय लोकप्रियता में बढ़ रहे हैं। स्कॉपस नामक एक प्रमुख डेटाबेस से 2010 और 2025 की शुरुआत के बीच प्रकाशित 1,207 शैक्षणिक दस्तावेजों को एकत्र करके, मिल्डन ने इस क्षेत्र की बौद्धिक संरचना का एक दृश्य प्रतिनिधित्व तैयार किया। उन्होंने देखा कि किसने शोध पत्र लिखे, उन्होंने किन शब्दों का सबसे अधिक उपयोग किया, और समय के साथ विषय कैसे बदले। लक्ष्य केवल लेखों की गिनती करना नहीं था, बल्कि उन छिपे हुए पैटर्न को समझना था जो यह निर्धारित करते हैं कि इस क्षेत्र में ज्ञान कैसे बनाया जाता है और कहाँ कमियां शेष हैं।

मानचित्र ने दो समानांतर पथों की एक स्पष्ट कहानी प्रकट की जो एक-दूसरे के बगल में चल रहे हैं। एक पथ मानव मनोविज्ञान में गहराई से निहित है। इस समूह के केंद्र में एड्रियन श्वैनिंगर नामक एक शोधकर्ता हैं, जो उन विद्वानों के एक नेटवर्क का नेतृत्व करते हैं जो छवियों को देखने और उनकी व्याख्या करने पर ध्यान केंद्रित करते हैं। ये अध्ययन सुरक्षा स्क्रीनर्स की मानसिक प्रक्रियाओं, उन्हें खतरों को पहचानने के लिए कैसे प्रशिक्षित किया जाता है, और वे उन मशीनों के साथ कैसे बातचीत करते हैं जिनका वे उपयोग करते हैं, इस पर केंद्रित हैं। यह परंपरा स्थिर और निरंतर रही है, जो मानव प्रदर्शन और घंटों तक एक्स-रे छवियों को देखने की संज्ञानात्मक चुनौतियों के बारे में ज्ञान का एक मजबूत आधार बनाती है। दूसरा पथ इंजीनियरिंग और कंप्यूटर विज्ञान द्वारा संचालित है। इस मानचित्र का यह हिस्सा हाल के वर्षों में, विशेष रूप से 2019 के बाद, तेजी से बढ़ा है। यह 'डीप लर्निंग' के शोध द्वारा नियंत्रित है, जो एक प्रकार की आर्टिफिशियल इंटेलिजेंस है जो कंप्यूटर को वस्तुओं को "देखने" और पहचानने की अनुमति देती है। इस क्लस्टर में सबसे सामान्य शब्द "डीप लर्निंग", "ऑब्जेक्ट डिटेक्शन" और YOLO जैसे विशिष्ट सॉफ्टवेयर उपकरण हैं, जिसका अर्थ है "यू ओनली लुक वन्स" (You Only Look Once)। यह तकनीक मशीनों को सामान को स्कैन करने और पलक झपकते ही संभावित खतरों को चिह्नित करने की अनुमति देती है, जो आधुनिक अनुसंधान में एक मानक बन गया है।

यह मानचित्र इतना मूल्यवान क्यों है, इसका कारण यह है कि यह दिखाता है कि कैसे ये दोनों पथ काफी हद तक एक-दूसरे को अनदेखा करते रहे हैं। मानव मनोविज्ञान का अध्ययन करने वाले शोधकर्ता शायद ही कभी कंप्यूटर वैज्ञानिकों द्वारा लिखे गए शोध पत्रों का संदर्भ देते हैं, और इसके विपरीत भी। डेटा दर्शाता है कि जबकि मानव-कारक (human-factors) समूह का सहयोग करने वालों का एक घनिष्ठ समुदाय है, तकनीकी समूह एक विशाल, तेजी से बढ़ता क्षेत्र है जिसने हजारों उद्धरण (citations) आकर्षित किए हैं। प्रौद्योगिकी क्षेत्र के सबसे प्रचुर लेखक कंप्यूटर विजन और आर्टिफिशियल इंटेलिजेंस के विशेषज्ञ हैं, जबकि मानव-कारक विशेषज्ञ मनोवैज्ञानिक और व्यावहारिक शोधकर्ता हैं। यह विभाजन बताता है कि क्षेत्र वर्तमान में दो अलग-अलग बातचीत में विभाजित है। एक बातचीत इस बारे में है कि किसी व्यक्ति को उसके काम में बेहतर होने के लिए कैसे प्रशिक्षित किया जाए, और दूसरी इस बारे में है कि एक ऐसी मशीन कैसे बनाई जाए जो उनके लिए काम कर सके। अध्ययन का सुझाव है कि यह अलगाव एक समस्या हो सकती है, क्योंकि भविष्य की हवाई अड्डा सुरक्षा संभवतः इन दोनों दृष्टिकोणों को अलग रखने के बजाय उन्हें एकीकृत करने पर निर्भर करती है।

अनुसंधान का टाइमलाइन एक और महत्वपूर्ण कहानी बताता है। अध्ययन अवधि के पहले आठ वर्षों के लिए, 2010 से 2018 तक, प्रकाशनों की संख्या धीमी और स्थिर गति से बढ़ी। हालांकि, 2019 से, आउटपुट में नाटकीय उछाल आया, जो 2023 और 2024 में अपने शिखर पर पहुंच गया। यह अचानक उछाल उन्नत कंप्यूटर विज़न तकनीकों के व्यापक उपयोग के साथ मेल खाता है। यह उछाल केवल रुचि में सामान्य वृद्धि नहीं थी; यह विशेष रूप से डीप लर्निंग, एक्स-रे इमेजिंग और स्वचालित खतरे का पता लगाने पर नए अध्ययनों की बाढ़ से प्रेरित था। इन शोध पत्रों के विषय क्षेत्र इस बदलाव की पुष्टि करते हैं। अधिकांश कार्य अब इंजीनियरिंग और कंप्यूटर विज्ञान विभागों से आता है, जिसमें गणित और भौतिकी से भी एक महत्वपूर्ण हिस्सा आता है। हालांकि सामाजिक विज्ञान और मनोविज्ञान अभी भी पर्याप्त संख्या में अध्ययन योगदान करते हैं, लेकिन बढ़ते तकनीकी साहित्य के सापेक्ष उनका हिस्सा छोटा हो गया है। यह इंगित करता है कि क्षेत्र तेजी से तकनीकी होता जा रहा है, जिसमें बेहतर एल्गोरिदम और पहचान प्रणाली बनाने पर भारी ध्यान दिया जा रहा है।

तकनीकी विकास के प्रभावशाली विस्तार के बावजूद, मानचित्र यह भी उजागर करता है कि क्या गायब है। अनुसंधान मुख्य रूप से पहचान के यांत्रिकी (mechanics of detection) की ओर झुका हुआ है: मशीनों को तेज, अधिक सटीक और हथियारों या विस्फोटकों का पता लगाने में बेहतर कैसे बनाया जाए। हालांकि, यात्री के अनुभव का उल्लेख बहुत कम किया गया है। ऐसा बहुत कम शोध है जो सुरक्षा जांच प्रक्रिया को यात्रियों के अनुभव, उनके प्रतीक्षा समय या सेवा के प्रति उनकी संतुष्टि से जोड़ता है। इसी तरह, हवाई अड्डा सुरक्षा के व्यापक नीतिगत और आर्थिक पहलुओं का भी कम अन्वेषण किया गया है। जबकि समीकरण के तकनीकी पक्ष को बड़ी गति से हल किया जा रहा है, समीकरण का मानवीय पक्ष—कि ये प्रणालियाँ यात्रियों के दैनिक जीवन में कैसे फिट होती हैं और उन्हें कैसे विनियमित किया जाता है—एक अनदेखी जगह बनी हुई है। अध्ययन का सुझाव है कि भविष्य के अनुसंधान को इन अंतरालों को भरने की आवश्यकता है, यह देखने की आवश्यकता है कि स्वचालित पहचान को मानव प्रशिक्षण के साथ कैसे एकीकृत किया जा सकता है और सुरक्षा उपायों को सुरक्षित और यात्री-अनुकूल दोनों तरह से कैसे डिजाइन किया जा सकता है।

जो लोग वास्तव में हवाई अड्डों का संचालन करते हैं और सुरक्षा नीतियां बनाते हैं, उनके लिए ये निष्कर्ष एक स्पष्ट मार्गदर्शिका प्रदान करते हैं। मानव-कारक अनुसंधान परंपरा की निरंतरता यह सुझाव देती है कि मशीनें मानव स्क्रीनर्स का विकल्प नहीं हैं, बल्कि एक उपकरण हैं जिसे उनके साथ उपयोग किया जाना चाहिए। डेटा संकेत देता है कि जैसे-जैसे हम बेहतर आर्टिफिशियल इंटेलिजेंस विकसित कर रहे हैं, हमें लोगों को प्रशिक्षित करने में निवेश करना जारी रखना चाहिए, क्योंकि स्क्रीनर और मशीन के बीच विश्वास एक जटिल मनोवैज्ञानिक मुद्दा है जिसे मानकर नहीं चला जा सकता। इसके अलावा, तकनीकी परिवर्तन की तीव्र गति का अर्थ है कि हवाई अड्डा सुरक्षा को नियंत्रित करने वाले नियम और विनियमों को भी इसके साथ तालमेल बिठाना होगा। यदि तकनीक हर साल आगे बढ़ रही है, तो नए उपकरणों के लिए प्रमाणन प्रक्रिया को वर्षों पीछे नहीं रहना चाहिए। अंत में, अध्ययन इस बात पर जोर देता है कि सबसे प्रभावी सुरक्षा रणनीति संभवतः जोखिम-आधारित स्क्रीनिंग कार्यक्रमों (जो यात्रियों को उनके जोखिम स्तर के आधार पर अलग तरह से देखते हैं) और नए स्वचालित पहचान उपकरणों के बीच के बिंदुओं को जोड़ने से आएगी। इन अलग-अलग शोध धाराओं को एक साथ लाकर, विमानन उद्योग एक ऐसी प्रणाली की ओर बढ़ सकता है जो न केवल स्मार्ट है, बल्कि सभी के लिए अधिक सुसंगत और प्रभावी भी है।