एक नए अध्ययन में जो Nature Food में प्रकाशित हुआ, शोधकर्ताओं ने पाया कि IPC के आकलन सिस्टम भूख की मात्रा को प्रणालीगत रूप से कम आंकते हैं। IPC को 2004 में स्थापित किया गया था; यह 21 साझेदारों का कंसोर्टियम है, लगभग 30 देशों को कवर करता है और हर साल $6 billion से अधिक मानवीय सहायता आवंटित करने में काम आता है।
शोध टीम, जिसका नेतृत्व Hope Michelson और Erin Lentz ने किया और जिसमें Kathy Baylis व Chungmann Kim भी थे, ने पहले लगभग 20 मानवीय एजेंसियों और IPC के उपयोगकर्ताओं के साथ साक्षात्कार किए। शुरू में कई साक्षात्कारकर्ताओं का मानना था कि IPC आवश्यकता को बढ़ा-चढ़ाकर दिखाता है। इसके बाद टीम ने 2017 से 2023 के बीच 33 देशों में लगभग 10,000 खाद्य सुरक्षा आकलनों का आँकड़ा-जांच किया; यह विश्लेषण लगभग 917 million व्यक्तियों को कवर करता था और कुल 2.8 billion व्यक्ति-प्रेक्षण बने।
विश्लेषण ने 20% phase 3 सीमा के ठीक नीचे स्पष्ट 'बन्चिंग' का सबूत दिया। टीम ने phase 3 या उससे ऊपर 293.1 million लोगों का अनुमान लगाया, जबकि IPC आकलनों ने 226.9 million रिपोर्ट किए; अंतर 66.2 million लोग था, यानी लगभग प्रत्येक पाँच में एक व्यक्ति। लेखक बताते हैं कि यह आंशिक रूप से इसलिए होता है क्योंकि कार्यकारी समूह विवादास्पद या शोर वाले संकेतकों के मामले में रूढ़िवादी रुख अपनाते हैं। Baylis और Michelson इस रूढ़िवाद को यह दिखाने की चिंता से जोड़ते हैं कि आवश्यकता बढ़ा-चढ़ाकर न दिखाई दे।
अध्ययन IPC की निरंतर आवश्यकता को स्वीकार करता है, पर डेटा संग्रह, संकेतक की व्याख्या और निर्णय-निर्माण में सुधार की सिफारिश करता है। लेखक मानते हैं कि मशीन लर्निंग डेटा और मॉडलिंग को बेहतर कर सकती है, पर वह विशेषज्ञ मूल्यांकन की जगह नहीं लेनी चाहिए। वे यह भी समझने का काम कर रहे हैं कि अलग-अलग संकेतक कुपोषण का कितना सही अनुमान देते हैं और आकलन वास्तविक मदद की प्रतिक्रिया से कैसे जुड़ते हैं, ताकि मापन और संसाधन आवंटन सुधारे जा सकें।
कठिन शब्द
- आकलन — स्थिति या ज़रूरत की जांच करने की प्रक्रियाआकलनों
- कंसोर्टियम — कई संस्थाओं का साझा संगठन
- बन्चिंग — डेटा में एक जगह पर जमा होने का पैटर्न
- संकेतक — किसी स्थिति को मापने वाला सूचनात्मक चिन्हसंकेतकों
- रूढ़िवादी — सावधान और कम बदलाव अपनाने वाला रुख
- संसाधन आवंटन — संसाधनों को बाँटने की प्रक्रिया
- मशीन लर्निंग — डेटा से पैटर्न सीखने वाला कंप्यूटरी तरीका
युक्ति: जब आप किसी भी भाषा में कहानी पढ़ें या ऑडियो सुनें, तो लेख में हाइलाइट किए गए शब्दों पर होवर/फ़ोकस/टैप करें और तुरंत छोटी-सी परिभाषा देखें।
चर्चा के प्रश्न
- आप क्या सुझाव देंगे कि IPC डेटा संग्रह और संकेतकों की व्याख्या कैसे बेहतर हो सकती है? उदाहरण दें।
- मशीन लर्निंग को विशेषज्ञ मूल्यांकन के साथ कैसे जोड़ा जा सकता है ताकि मदद का आवंटन बेहतर हो?
- रूढ़िवादी आकलन के फायदे और नुकसान क्या हो सकते हैं, खासकर मानवीय सहायता में?
