यूएस एनवायरनमेंटल प्रोटेक्शन एजेंसी (EPA) एयर क्वालिटी मॉनिटर यूनिवर्सिटी ऑफ यूटा रिसर्च के अनुसार, मुख्य रूप से सफेद पड़ोस में स्थित हैं। ईपीए का नेटवर्क लगातार छह प्रमुख प्रदूषकों, विशेष रूप से लीड और सल्फर डाइऑक्साइड में रंग के समुदायों में हवा की गुणवत्ता को पकड़ने में विफल रहा, इसके बाद ओजोन और कार्बन मोनोऑक्साइड।
EPA नियामक मॉनिटर प्रदूषण में कमी, शहरी नियोजन और सार्वजनिक स्वास्थ्य पहल के बारे में प्रमुख डेटा स्रोत ड्राइविंग निर्णय हैं। समान मॉनिटर वितरण के बिना, डेटा प्रदूषण सांद्रता को गलत तरीके से प्रस्तुत कर सकता है, जिससे हाशिए के समूहों को जोखिम में छोड़ दिया जा सकता है।
“यह सवाल के पीछे का सवाल है। शोधकर्ताओं, नीति निर्माताओं, हम सभी वायु गुणवत्ता डेटा का उपयोग करते हैं, लेकिन यह किसकी हवा को माप रहा है?” यू में डॉक्टरेट छात्र ब्रेनना केली ने कहा और अध्ययन के प्रमुख लेखक। “भले ही यह डेटा वास्तव में उच्च गुणवत्ता का है, इसका मतलब यह नहीं है कि यह सभी के लिए उच्च गुणवत्ता है।”
अनुसंधान से पता चला है कि हाशिए के समुदायों में वायु प्रदूषण के संपर्क में आने की दर सबसे अधिक है, लेकिन अध्ययनों ने माना कि डेटा सभी पड़ोस का प्रतिनिधित्व करता है। यह अध्ययन एक पड़ोस के पैमाने पर, सभी अमेरिकी जनगणना समूहों के लिए मॉनिटर में असमानताओं का आकलन करने वाला पहला है। जबकि सभी गैर-श्वेत समूहों के लिए असमानताएं मौजूद थीं, सबसे बड़ी देशी हवाईयन और अन्य प्रशांत द्वीप समूह के लिए सबसे बड़ी थी, इसके बाद अमेरिकी भारतीय और अलास्का देशी आबादी थी।
वायु गुणवत्ता अनुसंधान और विश्लेषण में अक्सर डेटा के बड़े पैमाने पर संस्करणों को संसाधित करने के लिए कृत्रिम बुद्धिमत्ता (एआई) उपकरण की आवश्यकता होती है। जबकि एआई एल्गोरिदम में पूर्वाग्रह अच्छी तरह से जाना जाता है, अध्ययन बड़े-डेटा उपयोगकर्ताओं के लिए एक और नैतिक मुद्दे का उदाहरण देता है-यह मौका कि डेटासेट स्वयं स्वाभाविक रूप से पक्षपाती हैं।
“अगर सिर्फ एक प्रकार के मॉनिटर के लिए एक असमानता थी, तो यह कल्पनाशील रूप से आकस्मिक या सिर्फ खराब डिजाइन हो सकता है।” “तथ्य यह है कि यह सभी प्रदूषकों में एक सुसंगत पैटर्न है, यह बताता है कि निर्णय लेने की प्रक्रिया को ध्यान से देखने की आवश्यकता है-इन मॉनिटर को समान रूप से वितरित नहीं किया जा रहा है।”
अध्ययन जर्नल में प्रकाशित हुआ था JAMA नेटवर्क ओपन 4 दिसंबर, 2024 को।
हवा की गुणवत्ता हाइपरलोकल है और नाटकीय रूप से सड़क से सड़क तक बदल सकती है। लेखकों ने मॉनिटर स्थानों और पड़ोस की जनसांख्यिकी को जनगणना-ब्लॉक स्तर पर मैप किया, जो आवासीय पैटर्न के लिए अमेरिकी जनगणना ब्यूरो की सबसे छोटी इकाइयों में से एक है। ईपीए वायु गुणवत्ता प्रणाली नियामक निगरानी रिपॉजिटरी का उपयोग करते हुए, उन्होंने मानव स्वास्थ्य के लिए खतरनाक छह प्रमुख वायु प्रदूषकों के लिए मॉनिटर की पहचान की – सीसा, ओजोन, नाइट्रोजन डाइऑक्साइड, सल्फर डाइऑक्साइड, कार्बन मोनोऑक्साइड और पार्टिकुलेट पदार्थ। उन्होंने देश में हर जनगणना-ब्लॉक के लिए नस्लीय और जातीय रचना का अनुमान लगाने के लिए 2022 अमेरिकी सामुदायिक सर्वेक्षण जनगणना का उपयोग किया। जनसंख्या के आकार के लिए समायोजन, शोधकर्ताओं ने प्रत्येक मानदंड प्रदूषक के लिए प्रणालीगत निगरानी असमानताओं को पाया। सफेद गैर-हिस्पैनिक आबादी के सापेक्ष, सभी समूह कम लीड, ओजोन, नाइट्रोजन डाइऑक्साइड और पार्टिकुलेट मैटर मॉनिटर से जुड़े थे।
केली ने जनसंख्या स्वास्थ्य विज्ञान में अपने डॉक्टरेट अनुसंधान का पीछा करते हुए ईपीए के वायु गुणवत्ता निगरानी नेटवर्क के बारे में उत्सुक हो गए, गर्भवती लोगों के लिए वायु प्रदूषण के जोखिम के जोखिमों पर ध्यान केंद्रित किया। महामारी विज्ञान अनुसंधान उन कारकों की पहचान करता है जो आबादी के भीतर बीमारियों में योगदान करते हैं। अब तक, एक अंतर्निहित धारणा है कि डेटा हर जगह समान रूप से हवा की गुणवत्ता की समस्याओं का प्रतिनिधित्व करता है, उसने समझाया।
“यह सिर्फ इतना नहीं है कि हम एक समूह के लिए एक प्रदूषक प्रकार को याद कर रहे हैं, यह है कि हम इन सभी समूहों के लिए सब कुछ के बारे में कम समझते हैं। यह संबंधित है,” केली ने कहा। “अगर मैं किसी बीमारी के लिए वायु प्रदूषण के संपर्क से संबंधित होना चाहता हूं, तो मुझे इसे अच्छी तरह से मापने की आवश्यकता है। अगर मुझे लोगों के एक समूह के लिए वायु गुणवत्ता की बेहतर समझ है, तो यह पक्षपाती परिणाम उत्पन्न करने वाला है।”
वायु गुणवत्ता और जनसंख्या स्वास्थ्य कई क्षेत्रों में से केवल दो हैं जो बड़े डेटा और एआई का उपयोग करने की चुनौतियों के साथ जूझ रहे हैं। एक-यू जिम्मेदार एआई पहल सर्वोत्तम प्रथाओं को विकसित करने के लिए विशेषज्ञों को एक साथ लाने के लिए यू का हालिया प्रयास है।
“यह अध्ययन विशेष रूप से एक तेजी से डेटा-संचालित समाज में प्रासंगिक है। जिम्मेदार एआई पहल के लक्ष्यों में से एक कृत्रिम बुद्धिमत्ता के तरीकों के उचित अनुप्रयोग का अध्ययन करना है,” ब्रेवर ने कहा। “हमारे परिणाम बताते हैं कि डेटा में पूर्वाग्रह किसी भी एल्गोरिथम पूर्वाग्रह के रूप में विचार करना उतना ही महत्वपूर्ण हो सकता है।”
अन्य लेखकों में यूटा विश्वविद्यालय के शोधकर्ता ट्रेसी वनगा ऑफ पॉपुलेशन हेल्थ साइंसेज, स्कूल ऑफ एनवायरनमेंट, सोसाइटी एंड सस्टेनेबिलिटी के थॉमस कोवा और प्रसूति और स्त्री रोग विभाग के मिशेल डेबिंक शामिल हैं।