 |
| स्त्रोत(Source) : https://www.pinterest.com/juneauh/stop-stereotypes/ |
भूमिका
"दिल्लीवाला होकर गाली नहीं देता?? लानत है !"
"लड़की है क्या? अच्छे से हाथ चला। "
"मुल्ला है वो, दूर रहा कर। "
"बनिया ही रहियो तू; कंजूस कहीं का !"
मज़ाक में बोला गया हो या सच में, रूढ़िबद्धता(Stereotyping) का आज लगभग हर कोई "शिकार" है। धर्म/जाति/स्थान/लिंग आदि के आधार पर लोगों के बारे में उनको बिना जाने ही धारणाएँ बनाना तो दूर की बात, एक बार घर में माँ के हाथ की शिमला मिर्च की सब्ज़ी अगर ख़राब बन जाए तो हम शिमला मिर्च से पूरी ज़िंदगी के लिए ही नाता तोड़ने को उतारू हो जाते हैं (आपका पता नहीं, मैं तो हो गया था :P)। रूढ़िबद्धता को हम प्रायः एक नकारात्मक दृष्टिकोण से ही देखते हैं, पर सवाल ये है कि क्या ये पूरी तरह गलत है? क्या ऐसा नहीं हो सकता कि शिमला मिर्च की सब्ज़ी हो ही बेकार? क्या आप दावे से कह सकते हैं कि सब्ज़ी इस बार बस ख़राब बनी थी और वो सब्ज़ी खुद ख़राब नहीं है?
रूढ़िबद्धता का गणित
संगणक विज्ञान (Computer Science) का एक अत्यंत प्रचलित क्षेत्र है यंत्र अधिगम (Machine learning), और उसमें एक महत्त्वपूर्ण समस्या वर्गीकरण (Classification) की आती है। वर्गीकरण में हमें उपलब्ध आँकड़ों के आधार पर भविष्य में प्राप्त होने वाले आँकड़ों/प्रयोगों को वर्गीकृत करना होता है। जो अभियंता (Engineer) पाठक अपने संस्थानों में लोगों को मिलने वाली नौकरियों के आँकड़ों से परिचित हैं वे जानते होंगे कि इस क्षेत्र में काम करने वालों की कितनी अधिक मांग है, पर मैं यहाँ आपका ध्यान इस बात पर खींचना चाहता हूँ कि ये रूढ़िबद्धता(Stereotyping) से कितना मेल खाता है।
ध्यान से देखें तो दोनों में ही हमको किसी प्रयोग/अनुभव की विशेषताओं और उसके वर्ग/निष्कर्ष का ज्ञान होता है, दोनों में ही हमको इस ज्ञान के आधार पर आगे होने वाले प्रयोगों/अनुभवों के बारे में भविष्यवाणी करनी होती है, और सबसे ज़रूरी बात ये कि जिन प्रयोगों/अनुभवों के आधार पर भावी प्रयोगों/अनुभवों के बारे में भविष्यवाणी की जाती है उनमें कोई संबंध हो ये कतई जरूरी नहीं। कहने का मतलब ये कि रूढ़िबद्धता(Stereotyping) एक बीमारी नहीं बल्कि एक व्यवहार है जो कि गणित के सिद्धांतों, या थोड़ा और सटीक होना चाहें तो गणित के एक क्षेत्र प्रायिकता (Probability) के सिद्धांतों पर आधारित है। अधिकतर इस व्यवहार की उपज को आत्मरक्षा की प्रवृत्ति से जोड़ कर देखा जा सकता है।
उदाहरण के लिए शिमला मिर्च की सब्ज़ी पर वापिस आते हैं। मान लीजिये कि एक बार घर में शिमला मिर्च की सब्ज़ी बनी और आपको ख़राब लगी। अगली बार जब ये फिर से आपको फिर से परोसी जाएगी तो आपके मन में आपका पिछला अनुभव आएगा और अपनी जीभ की रक्षा हेतु आप उसको नहीं खाना चाहेंगे, पर आपको संभवतः आपकी माँ ये कहकर मना लेंगी कि एक बार के स्वाद से ये निष्कर्ष नहीं निकाल सकते की सब्ज़ी ही ख़राब है; क्या पता पिछली बार मसालों में गड़बड़ हो गई हो? लेकिन तीन बार के बाद भी अगर आपको सब्ज़ी ख़राब ही लगी तो आप ये निष्कर्ष निकालना उचित समझेंगे कि सब्ज़ी ही ख़राब है, भले ही पहली बार नमक ज़्यादा पड़ गया हो, दूसरी बार हल्दी और तीसरी बार पक ज़्यादा गई हो।
वैधानिक चेतावनी: गणित में रुचि न रखने वाले सीधे इस लेख के अगले भाग पर जाएँ: रूढ़िबद्ध धारणाएँ (Stereotypes) : एक विश्लेषण - २
अब आइये इसको प्रायिकता(Probability) के दृष्टिकोण से देखते हैं। मान लेते हैं कि शिमला मिर्च की सब्ज़ी के एक बार ख़राब बनने की प्रायिकता 'प' प्रतिशत है जहाँ ० प्रतिशत प्रायिकता का अर्थ ये है कि सब्ज़ी कभी ख़राब नहीं बन सकती और १०० प्रतिशत प्रायिकता का अर्थ ये कि सब्ज़ी हमेशा ख़राब बनेगी (दूसरे शब्दों में सब्ज़ी ही ख़राब है)। इस प्रायिकता को हम नहीं जानते; फ़िलहाल इसको ५० (50) प्रतिशत मान लेते हैं। अगर हम इस स्थिति में तीन बार शिमला मिर्च बनाएँ तो तीनों बार उसके ख़राब बनने की प्रायिकता महज़ १२.५% (12.5) ही आएगी। अब अगर हम यही प्रायिकता उस स्थिति में निकालना चाहें जब प्रायिकता 'प' ८०% (80) हो तो ये बढ़कर ५१.२% (51.2) हो जाती है, और अगर 'प' ९०% (90) हो तो ये ७२.९% (72.9) हो जाती है। इसका मतलब ये हुआ कि संभावना इस बात की ज़्यादा है कि शिमला मिर्च की सब्ज़ी के ख़राब बनने की प्रायिकता ५०% से कहीं ज़्यादा हो और इसके अधिक होने की संभावना तब और बढ़ जाएगी जबकि ये और प्रयोगों में ख़राब बने।
अब आइये इसको प्रायिकता(Probability) के दृष्टिकोण से देखते हैं। मान लेते हैं कि शिमला मिर्च की सब्ज़ी के एक बार ख़राब बनने की प्रायिकता 'प' प्रतिशत है जहाँ ० प्रतिशत प्रायिकता का अर्थ ये है कि सब्ज़ी कभी ख़राब नहीं बन सकती और १०० प्रतिशत प्रायिकता का अर्थ ये कि सब्ज़ी हमेशा ख़राब बनेगी (दूसरे शब्दों में सब्ज़ी ही ख़राब है)। इस प्रायिकता को हम नहीं जानते; फ़िलहाल इसको ५० (50) प्रतिशत मान लेते हैं। अगर हम इस स्थिति में तीन बार शिमला मिर्च बनाएँ तो तीनों बार उसके ख़राब बनने की प्रायिकता महज़ १२.५% (12.5) ही आएगी। अब अगर हम यही प्रायिकता उस स्थिति में निकालना चाहें जब प्रायिकता 'प' ८०% (80) हो तो ये बढ़कर ५१.२% (51.2) हो जाती है, और अगर 'प' ९०% (90) हो तो ये ७२.९% (72.9) हो जाती है। इसका मतलब ये हुआ कि संभावना इस बात की ज़्यादा है कि शिमला मिर्च की सब्ज़ी के ख़राब बनने की प्रायिकता ५०% से कहीं ज़्यादा हो और इसके अधिक होने की संभावना तब और बढ़ जाएगी जबकि ये और प्रयोगों में ख़राब बने।
अगला भाग यहाँ पढ़ें: रूढ़िबद्ध धारणाएँ (Stereotypes) : एक विश्लेषण - २
__________________________________________________________________________________________________
Introduction
When we translate both Stereotyping(रूढ़िबद्धता) and Conservatism(रूढ़िवाद), they turn out to be very similar. They are both formed out of the same base word "रूढ़ि"(Dogma), and some of the synonyms of this word are namely Opinionatedness(हठधर्मिता), tradition(परंपरा) etc.. Both of these also look similar in meaning(in Hindi); one is the state of being tied by a dogma whereas other is the act of promoting them. Mostly we keep these limited to religious traditions; you can easily find many people badmouthing conservatism and if told to explain it they turn towards religious traditions, but we can see stereotyping in many other places if we pay attention.
"You are from Delhi right? Hard to believe that you don't abuse."
"Why are you being so girly?"
"Stay away from Muslims."
"You are a true Maarwaadi; such a miser!"
Doesn't matter whether it was said as a joke or not, the "disease" of stereotyping(रूढ़िबद्धता) has gripped almost everyone. Leave alone the fact that people make assumptions on the basis of others' Religion/Caste/Gender/Place, it just takes one bad dish of Capsicum made at home for us to never touch it again(Happened with me, not sure about you :P). Stereotyping is mostly seen by us in a bad light, but is it really so wrong? Isn't there a chance that Capsicum itself is a bad vegetable? Can you guarantee that it was bad just this one time and that vegetable isn't bad itself?
Mathematics of Stereotyping
Classification(वर्गीकरण) is an important problem in Machine Learning(यंत्र अधिगम), an extremely popular field in Computer Science(संगणक विज्ञान). In classification, we have to classify future samples/experiments on the basis of available samples. Engineer(अभियंता) readers who are familiar with the placements stats in their institute must be aware of the high demand for workers in this field, but I want to draw your attention to how similar this is to Stereotyping(रूढ़िबद्धता).
If you see it closely, you will find that in both cases we have knowledge of the characteristics of an experiment/experience, in both of them we have to make a prediction about the future experiments/experience based on this knowledge, and most importantly, in both cases, the experiments/experiences which are being used to make predictions about the future experiments/experiences are not necessarily related to them. What I mean to say by this is that Stereotyping(रूढ़िबद्धता) is not a disease but simply a behaviour that is based on the principles of Mathematics, or more accurately, based on the principles of Probability(प्रायिकता), a field of Mathematics. Mostly the origin of this behaviour can be linked to the tendency of self-protection.
For example, let us return to the Capsicum dish. Suppose that the Capsicum dish was made once at your home and you felt it was bad. Next time when it is served to you again, you will remember your previous experience and for protecting your tongue you won't want to eat it, but most probably your mother will convince you, saying that a conclusion cannot be formed on the basis of one tasting; after all there is a chance that on the previous time only the spice composition was faulty. But if you find the dish bad even after three times then you will find it logical to form a conclusion that the vegetable itself is bad, doesn't matter if on the first time there was excess salt, on second time it was turmeric and on the third time it was cooked excessively.
Statutory warning: Those not interested in Mathematics should go straight to the next part of this article: रूढ़िबद्ध धारणाएँ (Stereotypes) : एक विश्लेषण - २
Now let us see this from the perspective of Probability. Assume that the probability of the Capsicum dish being bad once is 'p' percent, where 0 percent probability means that the dish can never be bad and 100 percent probability means that the dish will always be bad(in other words the vegetable itself is bad). Right now we do not know this probability; for now suppose it is 50(५०) percent. If in this condition we make the Capsicum dish three times then the probability that it was bad all the three times will be a meagre 12.5(१२.५)%. Now if we calculate this probability when probability 'p' is 80% then this increases to 51.2(५१.२)%, and if 'p' is 90(९०)% then it becomes 72.9(७२.९)%. This means that it is more likely that the probability 'p' is much greater than 50(५०)% and the chances of it being more will increase if it is found bad in more experiments.
Read the next part here: रूढ़िबद्ध धारणाएँ (Stereotypes) : एक विश्लेषण - २
great comparison...Enjoyed it....not so easy for maths haters though :p
जवाब देंहटाएंThanks:)
हटाएंNext part is more non-maths-people friendly :D