DX से मानवीय विशेषताओं का उपयोग
डिजिटल परिवर्तन (DX) में लोगों की क्षमता संबंधी विशेषताओं और व्यक्तित्व/व्यवहार संबंधी विशेषताओं पर काम करने के लिए उचिदा-क्रेपेलिन परीक्षण सबसे उपयुक्त है।
DX क्या है?
डिजिटल परिवर्तन की अवधारणा यह है कि आईटी का प्रसार लोगों के जीवन को हर पहलू में बेहतर बनाता है। यह विचार सामान्यतः 2004 में स्वीडन के Umeå विश्वविद्यालय के प्रोफेसर Erik Stolterman से जोड़ा जाता है और इसे संक्षेप में DX कहते हैं।
जापान का अर्थव्यवस्था, व्यापार और उद्योग मंत्रालय अपने DX संवर्धन दिशानिर्देशों में DX को इस प्रकार परिभाषित करता है:
व्यवसाय तेजी से बदलते परिवेश के जवाब में डेटा और डिजिटल तकनीकों का उपयोग करके ग्राहकों तथा समाज की जरूरतों के अनुसार उत्पादों, सेवाओं और कारोबारी मॉडलों को बदलते हैं। साथ ही कामकाज, संगठन, प्रक्रियाओं और कॉर्पोरेट संस्कृति को बदलकर प्रतिस्पर्धात्मक बढ़त स्थापित करते हैं।
उचिदा-क्रेपेलिन परीक्षण और DX
कागज और पेंसिल से किया जाने वाला उचिदा-क्रेपेलिन परीक्षण पहली नजर में डिजिटल तकनीक से असंबंधित लग सकता है।
लेकिन इसकी अनूठी विधि में केवल अंकों को जोड़ने का कार्य होता है और हर मिनट की कार्य-मात्रा तथा गलत उत्तरों की संख्या जैसे डेटा का उपयोग होता है। इस अर्थ में यह स्वभाव से ही डिजिटल है।
मूल्यांकन परिणाम रिपोर्ट के ग्राफ और पाठ डिजिटल डेटा को मनुष्यों के लिए आसानी से पढ़ने योग्य रूप में दिखाते हैं।
उचिदा-क्रेपेलिन परीक्षण: क्षमता और व्यवहार संबंधी विशेषताओं का डिजिटलीकरण
↓
परीक्षण परिणामों का मूल डेटा
बिग डेटा
↔ नैदानिक डेटा से तुलना
↓ निर्णय मॉडलों का विकास और अद्यतन
अलग-अलग मॉडलों के निर्णय परिणाम
- सही व्यक्ति, सही कार्य: भर्ती संबंधी निर्णय, नियुक्ति और स्थानांतरण
- सुरक्षा प्रबंधन: दुर्घटना रोकथाम और ड्राइविंग लाइसेंस व्यवस्था
- शिक्षा और प्रशिक्षण: शिक्षा योजना, आगे की पढ़ाई का मार्गदर्शन, कर्मचारी प्रशिक्षण और करियर सहायता
- मानसिक स्वास्थ्य: मनोवैज्ञानिक देखभाल, स्वास्थ्य आकलन और काम पर वापसी में सहायता
परीक्षण से मुख्यतः दो प्रकार का डेटा मिलता है:
- हर मिनट की कार्य-मात्रा, गलत उत्तरों की संख्या और आयु आदि का मूल परीक्षण डेटा
- मूल डेटा को निर्णय मॉडल में डालने से प्राप्त मूल्यांकन परिणाम डेटा
निर्णय मॉडल एक फलन है जो मूल डेटा की नैदानिक डेटा से तुलना करके बनता है, जैसे सामान्य कार्य-व्यवहार, सीखने की शैली, विशेष कार्य के लिए उपयुक्तता, दुर्घटनाएँ और स्वास्थ्य। समय के साथ बदलते उद्देश्यों के अनुकूल बनाने के लिए मॉडलों को लगातार अद्यतन किया जाता है।
उचिदा-क्रेपेलिन की क्लाउड निर्णय सेवा CSV फ़ाइल देती है। इसमें किसी विशेष मॉडल को मूल डेटा पर लागू करने से बने मूल्यांकन परिणाम होते हैं।
यदि उद्देश्य के अनुरूप मॉडल मौजूद है, तो उसके मूल्यांकन परिणामों का उपयोग किया जा सकता है। अन्यथा AI से नैदानिक डेटा तथा मूल डेटा या मौजूदा मूल्यांकन परिणामों के संबंधों का विश्लेषण करके नया मॉडल विकसित किया जा सकता है।
DX को साकार करने के लिए उचिदा-क्रेपेलिन परीक्षण का पूरा लाभ उठाएँ।
DX प्रस्ताव: सड़क दुर्घटनाएँ घटाने में परीक्षण का संभावित उपयोग
सभी के स्वास्थ्य और कल्याण के लिए SDG 3 में लक्ष्य 3.6 शामिल है, जिसका उद्देश्य सड़क दुर्घटनाओं से होने वाली मौतों और चोटों को आधा करना है। सड़क दुर्घटनाएँ घटाने के कई तरीके हैं; यहाँ हम उचिदा-क्रेपेलिन परीक्षण का उपयोग करने वाले एक तरीके पर विचार करें।
यह जानने के लिए कि उचिदा-क्रेपेलिन परीक्षण का उपयोग किया जा सकता है या नहीं, यह जाँचना आवश्यक है कि लोगों की क्षमता संबंधी विशेषताओं और व्यक्तित्व/व्यवहार संबंधी विशेषताओं का सड़क दुर्घटनाओं से सहसंबंध है या नहीं। लेकिन, पहले गंभीर सड़क दुर्घटना कर चुके समूह और कभी भी सड़क दुर्घटना न करने वाले समूह के मूल्यांकन परिणामों की तुलना करने पर, यह स्पष्ट रूप से पता चलता है कि क्षमता तथा व्यक्तित्व/व्यवहार संबंधी विशेषताओं का वितरण अलग-अलग है।
कम और अधिक जोखिम की प्रवृत्तियों को अलग करने वाला अस्थायी निर्णय मानदंड तय करके वास्तविक डेटा से दोनों जनसमूहों को A और B में बाँटने पर निम्न तालिका मिलती है।
| दुर्घटना वाला समूह | दुर्घटना-रहित समूह | |
| समूह A | 38% | 76% |
| समूह B | 62% | 24% |
| कुल | 100% | 100% |
यह विभाजन दुर्घटना करने वालों और कभी दुर्घटना न करने वालों को पूरी तरह अलग नहीं कर सकता। फिर भी, कम-से-कम इतना कहा जा सकता है कि समूह A, समूह B से अधिक सुरक्षित समूह है।
आइए विचार करें कि यदि समूह B वाहन न चलाए तो क्या दुर्घटना दर घटेगी। कहा जाता है कि हाल के वर्षों में किसी जापानी व्यक्ति द्वारा कार दुर्घटना करने की संभावना लगभग 1% प्रति वर्ष है, इसलिए ऊपर की तालिका को कुल 10,000 लोगों के समूह पर लागू करते हैं।
| दुर्घटना वाला समूह | दुर्घटना-रहित समूह | |
| समूह A | 38 | 7524 |
| समूह B | 62 | 2376 |
| कुल | 100 (1%) | 9900 (99%) |
समूह A की दुर्घटना दर: 38 ÷ 7524 ≈ 0.5%
समूह B की दुर्घटना दर: 62 ÷ 2376 ≈ 2.6%
अर्थात समूह B, समूह A से पाँच गुना से अधिक जोखिमपूर्ण है, इसलिए यदि समूह B वाहन न चलाए, तो दुर्घटना दर 1% से घटकर 0.5% हो जाएगी। यानी सड़क दुर्घटनाओं को आधा करना संभव होगा।
लेकिन B को लाइसेंस न देने से दुर्घटना-रहित 2,376 लोग भी वाहन नहीं चला सकेंगे, इसलिए यह व्यावहारिक उपाय नहीं है।
यहीं IT की भूमिका आती है। उदाहरण के लिए, यदि समूह B को प्राथमिकता देकर ASV (उन्नत सुरक्षा वाहन) या स्वचालित वाहनों में बदलाव के लिए प्रोत्साहित किया जाए, तो समान प्रभाव प्राप्त किया जा सकता है।
वर्तमान में जापान में विश्व स्तर पर सड़क दुर्घटनाएँ बहुत कम हैं। यदि जापान में भी उन्हें और कम किया जा सकता है, तो स्पष्ट है कि जिन देशों में लाइसेंस व्यवस्था और यातायात नियम सुव्यवस्थित नहीं हैं, वहाँ प्रभाव और भी अधिक होगा।
सभी के लिए स्वास्थ्य और कल्याण।
