Forecasting the Digital Divide: A Comparative Machine Learning Study of ICT Access Trajectories
यह अध्ययन विश्व बैंक के डेटा का उपयोग करके एक सिद्धांत-आधारित कनेक्टिविटी इंडेक्स (Connectivity Index) का निर्माण करता है ताकि यह प्रदर्शित किया जा सके कि जहाँ बहुभिन्नरूपी रैखिक प्रतिगमन (multivariate linear regression), सरल निरंतरता (simple persistence) की तुलना में ICT पहुंच के प्रक्षेप पथों पर मामूली अल्पकालिक भविष्यवाणात्मक सुधार प्रदान करता है, वहीं मशीन लर्निंग मॉडल कोई सामान्य लाभ प्रदान नहीं करते हैं, और परिणामी पूर्वानुमान मुख्य रूप से डिजिटल बुनियादी ढांचे और साइबर सुरक्षा स्ट्रेस-टेस्टिंग के लिए नियोजन इनपुट के रूप में कार्य करते हैं न कि कारण संबंधी जोखिम आकलन (causal risk assessments) के रूप में।
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
आधुनिक दुनिया में, जुड़ाव (कनेक्टिविटी) को अक्सर एक साधारण हाँ या ना के प्रश्न के रूप में देखा जाता है: क्या आपके पास इंटरनेट है, या नहीं? फिर भी, उन लोगों के बीच के अंतर का अध्ययन करने वाले शोधकर्ताओं के लिए, जो डिजिटल उपकरणों का उपयोग कर सकते हैं और जो नहीं कर सकते, वास्तविकता कहीं अधिक जटिल है। वास्तविक डिजिटल समावेशन भौतिक पहुंच की नींव पर निर्भर करता है। इसके लिए न केवल एक सिग्नल की आवश्यकता है, बल्कि उपकरण को चलाने के लिए बिजली, सदस्यता (सब्सक्रिप्शन) खरीदने की क्षमता और डेटा को विश्वसनीय रूप से पहुँचाने के लिए बुनियादी ढांचे की भी आवश्यकता है। जब ये तत्व अनुपस्थित होते हैं, तो यह केवल सूचना की कमी नहीं है; बल्कि यह उन आर्थिक और सामाजिक प्रणालियों में भागीदारी की कमी है जो अब डिजिटल नेटवर्क पर चलती हैं। ये कनेक्शन कैसे बढ़ते हैं, कहाँ रुकते हैं, और हम उनके भविष्य के पथ का कितनी सटीकता से अनुमान लगा सकते हैं, इसे समझना उन सेवाओं और सुरक्षाओं की योजना बनाने के लिए आवश्यक है जिनकी एक जुड़े हुए समाज को आवश्यकता होती है।
शोधकर्ताओं की एक टीम ने कनेक्टिविटी को मापने का एक नया तरीका विकसित करके इस भविष्य का मानचित्र बनाने का लक्ष्य रखा। केवल इंटरनेट उपयोग को देखने के बजाय, उन्होंने एक मिश्रित स्कोर (कंपोजिट स्कोर) बनाया जो चार महत्वपूर्ण तत्वों को जोड़ता है: इंटरनेट का उपयोग करने वाले लोगों का प्रतिशत, मोबाइल फोन सब्सक्रिप्शन की संख्या, फिक्स्ड ब्रॉडबैंड की उपलब्धता और बिजली तक पहुंच। उन्होंने इस स्कोर को ऑनलाइन रहने वाले लोगों की कच्ची संख्या के रूप में नहीं, बल्कि एक सापेक्ष स्थिति (रिलेटिव पोजीशन) के रूप में माना, जो यह दर्शाता है कि कोई देश किसी दिए गए वर्ष में अपने साथियों की तुलना में कैसा प्रदर्शन कर रहा है। दो दशकों से अधिक समय में लगभग दो सौ देशों के ऐतिहासिक डेटा का उपयोग करते हुए, उन्होंने एक सीधा सवाल पूछा: क्या हम अनुमान लगा सकते हैं कि इन कनेक्टिविटी स्कोर का भविष्य क्या होगा? उन्होंने दो अलग-अलग दृष्टिकोणों का उपयोग करके भविष्य का पूर्वानुमान लगाने का परीक्षण किया। पहला तरीका 'परसिस्टेंस' (persistence) नामक एक सरल विधि थी, जो यह मानती है कि अगला वर्ष काफी हद l तक इसी वर्ष जैसा ही होगा। दूसरा तरीका जटिल कंप्यूटर मॉडल था जो कई आर्थिक और सामाजिक कारकों का विश्लेषण करता है ताकि उन पैटर्न को खोजा जा सके जिन्हें एक साधारण नज़र से नहीं देखा जा सकता।
इन तुलनाओं के परिणाम आश्चर्यजनक रूप से मामूली थे। जबकि जटिल मशीन लर्निंग मॉडल जटिल पैटर्न खोजने में सक्षम थे, वे सरल पद्धति (यह मानने कि भविष्य वर्तमान जैसा ही होगा) से बेहतर प्रदर्शन नहीं कर सके। वास्तव में, एक मानक लीनियर रिग्रेशन मॉडल, जो हालिया रुझानों के माध्यम से एक सीधी रेखा खींचता है, परिष्कृत एल्गोरिदम की तुलना में थोड़ा बेहतर प्रदर्शन कर गया, और दोनों ही सरल 'परसिस्टेंस' अनुमान से केवल एक छोटा सा कदम आगे थे। शोधकर्ताओं ने पाया कि सबसे सटीक अल्पकालिक भविष्यवाणी उस मॉडल से आई जिसमें इंटरनेट उपयोग को सबसे अधिक महत्व दिया गया था, लेकिन सबसे अच्छा मॉडल भी त्रुटि दर (एरर रेट) को बहुत कम अंतर से ही कम कर सका। यह सुझाव देता है कि अगले कुछ वर्षों के लिए, डिजिटल पहुंच का प्रक्षेपवक्र (ट्रैजेक्टरी) काफी हद तक अपने स्वयं के संवेग (मोमेंटम) द्वारा निर्धारित होता है, और अधिक जटिल चर (वेरिएबल्स) जोड़ने से भविष्य के लिए कोई जादुई दृष्टि प्राप्त नहीं होती है। अध्ययन ने स्पष्ट रूप से इस विचार को खारिज कर दिया कि ये कनेक्टिविटी स्कोर डिजिटल कौशल, तकनीक के उपयोग की गुणवत्ता, या साइबर सुरक्षा जोखिमों को प्रबंधित करने की सरकार की क्षमता को मापते हैं। यह स्कोर सख्ती से पहुंच का एक माप है, न कि उस प्रक्रिया का कि कनेक्शन होने के बाद क्या होता है।
जब शोधकर्ताओं ने कजाकिस्तान के लिए एक विशिष्ट दीर्घकालिक पूर्वानुमान की ओर अपना ध्यान केंद्रित किया, तो भविष्य की अनिश्चितता और भी स्पष्ट हो गई। उन्होंने यह भविष्यवाणी नहीं की कि देश वर्ष 2049 में कहाँ खड़ा होगा। इसके बजाय, उन्होंने हाल के इतिहास की व्याख्या के आधार पर तीन अलग-अलग परिदृश्य प्रस्तुत किए। यदि हाल के वर्षों की धीमी वृद्धि को अंतिम उछाल से पहले का एक अस्थायी ठहराव माना जाए, तो देश 96.72 का उच्च स्कोर प्राप्त कर सकता है। हालांकि, यदि विकास के पूरे इतिहास को एक ऐसे वक्र (कर्व) के रूप में देखा जाए जो स्वाभाविक रूप से एक सीमा तक पहुँचते ही धीमा हो रहा है, तो स्कोर बहुत कम, लगभग 77.35 पर स्थिर हो जाएगा। इन दो परिणामों के बीच का अंतर महत्वपूर्ण है, जो यह दर्शाता है कि स्थिरता की एक छोटी अवधि को बहुत अलग तरीकों से पढ़ा जा सकता है। शोधकर्ताओं ने इस बात पर जोर दिया कि ये संख्याएं लोगों के जुड़ने का प्रतिशत नहीं हैं, बल्कि शून्य से सौ के पैमाने पर सापेक्ष स्थितियां हैं। वे सरकारों को अपने सिस्टम का परीक्षण करने के लिए नियोजन उपकरण के रूप में कार्य करते हैं, यह पूछने के लिए कि क्या उनका बुनियादी ढांचा और सुरक्षा उपाय तेजी से उछाल को संभाल सकते हैं या उन्हें निरंतर बाधाओं को दूर करने पर ध्यान केंद्रित करने की आवश्यकता है।
अंततः, अध्ययन यह निष्कर्ष निकालता है कि हालांकि हम निकट भविष्य के लिए डिजिटल पहुंच के पथ को उचित सटीकता के साथ ट्रैक कर सकते हैं, लेकिन आगे का लंबा रास्ता अनिश्चित बना हुआ है। उन्नत मशीन लर्निंग के उपकरण, जिन्हें अक्सर जटिल भविष्यवाणियों को अनलॉक करने की कुंजी माना जाता है, इस विशिष्ट संदर्भ में सरल सांख्यिकीय विधियों की तुलना में बहुत कम लाभ प्रदान करते हैं। सबसे मूल्यवान अंतर्दृष्टि यह अहसास हो सकती है कि कनेक्टिविटी एक सापेक्ष दौड़ है; जैसे-जैसे एक देश में सुधार होता है, स्कोर इस बात पर निर्भर करता है कि बाकी सब कैसा कर रहे हैं। नीति निर्माताओं के लिए, मुख्य सीख कोई गारंटीकृत मंजिल नहीं, बल्कि संभावनाओं का एक समूह है। यह समझकर कि भविष्य बहुत अलग दिख सकता है—इस आधार पर कि हालिया रुझान अस्थायी हैं या स्थायी—नेता परिणामों की एक श्रृंखला के लिए तैयार हो सकते हैं, जिससे यह सुनिश्चित हो सके कि डिजिटल विभाजन केवल इसलिए न बढ़ जाए क्योंकि योजना बदलते परिदृश्य के अनुकूल होने के लिए बहुत कठोर थी।
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।