विदेशी सहायता परियोजनाओं की निगरानी और मूल्यांकन में नवाचार

विदेशी सहायता में निगरानी और मूल्यांकन का विकास

विदेशी सहायता कार्यक्रम वार्षिक निवेश में अरब डॉलर का प्रतिनिधित्व करते हैं जिसका उद्देश्य गरीबी को कम करना, स्वास्थ्य में सुधार करना और विकासशील देशों में आर्थिक विकास को बढ़ावा देना है। दशकों तक, दाताओं और कार्यान्वयन एजेंसियों ने इन हस्तक्षेपों के वास्तविक प्रभाव को मापने के लिए संघर्ष किया है। पारंपरिक निगरानी और मूल्यांकन (M&E) दृष्टिकोण-अक्सर अंत-अध्यक्ष सर्वेक्षणों, आवधिक रिपोर्टों और वास्तविक क्षेत्र के रुझानों की जांच करने के लिए अक्सर निर्भर करता है, जो वास्तविक समय के परिणामों या विशिष्ट सहायता गतिविधियों में बदलाव को बढ़ाने के लिए अपर्याप्त साबित हुए हैं। हाल के नवाचारों ने M&E परिदृश्य, प्रौद्योगिकियों और पद्धति को शुरू किया है जो अधिक सटीक, समय पर चर्चा करते हैं।

M& में उभरती हुई प्रौद्योगिकी;E

उपग्रह इमेजरी और रिमोट सेंसिंग

उपग्रह इमेजरी सरल मैपिंग से परे चली गई है ताकि बुनियादी ढांचा परियोजनाओं, पर्यावरण परिवर्तन और कृषि परिणामों की निगरानी के लिए एक शक्तिशाली उपकरण बन सके। ]Wikipedia बैंक ] जैसे संगठन अब सड़क निर्माण, वनीकरण और जमीन टीमों की आवश्यकता के बिना सिंचाई नेटवर्क के विस्तार को ट्रैक करने के लिए उच्च-रिज़ॉल्यूशन इमेजरी का उपयोग करते हैं। मशीन लर्निंग में अग्रिम एल्गोरिदम भूमि उपयोग, निर्माण पदचिह्न और वनस्पति स्वास्थ्य में स्वचालित रूप से बदलाव का पता लगाने की अनुमति देते हैं, जो महीनों से दिनों तक डेटा कैप्चर से कार्रवाई योग्य अंतर्दृष्टि तक समय को कम करते हैं।

उदाहरण के लिए, दक्षिण सूडान में, उपग्रह डेटा ने मानवीय एजेंसियों को शरणार्थी बस्तियों की स्थिति की निगरानी करने और वास्तविक समय में बाढ़ जोखिम का आकलन करने में सक्षम बनाया, जिससे सक्रिय संसाधन वास्तविक स्थान की अनुमति मिलती है। इसी तरह, इथियोपिया में, उपग्रह-विकासित वनस्पति सूचकांक पानी के बहाने प्रबंधन परियोजनाओं की प्रभावशीलता का मूल्यांकन करने में मदद करते हैं, जिससे मिट्टी के क्षरण को कम करने का उद्देश्य सबूत मिलता है।

मोबाइल डेटा संग्रह और फील्ड उपकरण

कम आय वाले देशों में स्मार्टफोन का प्रसार- दूरस्थ क्षेत्रों में भी- क्षेत्र डेटा संग्रह में क्रांतिकारी बदलाव आया है। ODK, सर्वेCTO, और KoboToolbox जैसे उपकरण जटिल सर्वेक्षणों को ऑफ़लाइन करने, GPS निर्देशांक पर कब्जा करने और फ़ोटो अपलोड करने या आवाज रिकॉर्डिंग को प्रेरित करने की अनुमति देते हैं। इन ऐप में निर्मित सत्यापन नियम प्रवेश के बिंदु पर त्रुटियों को पकड़ते हैं, नाटकीय रूप से कागज आधारित विधियों पर डेटा की गुणवत्ता में सुधार करते हैं।

]USAID[ जैसे संगठनों ने अपने नियमित M& में मोबाइल डेटा संग्रह को एकीकृत किया है;E वर्कफ़्लो, जो क्षेत्र से साप्ताहिक सेवा वितरण रिपोर्ट जमा करने के लिए जिला स्तर के स्वास्थ्य श्रमिकों को सक्षम बनाता है। गति और सटीकता लाभ कार्यक्रम प्रबंधकों को बोतलबंदी की पहचान करने की अनुमति देते हैं - जैसे कि आवश्यक दवाओं के स्टॉकआउट - और महीनों के बजाय दिनों के भीतर जवाब देते हैं।

ड्रोन और मानव रहित एरियल वाहन

ड्रोन उपग्रह इमेजरी और ग्राउंड अवलोकन के बीच अंतर को भरते हैं। वे मांग पर परियोजना साइटों की उच्च-रिज़ॉल्यूशन इमेजरी पर कब्जा कर सकते हैं, यहां तक कि बादल स्थितियों में जहां उपग्रह विफल हो जाते हैं। विकास संदर्भों में, ड्रोन का उपयोग कृषि भूखंडों के मानचित्रण के लिए किया जाता है, प्राकृतिक आपदाओं के बाद क्षति का आकलन किया जाता है, और स्कूलों या क्लीनिक जैसे बड़े निर्माण परियोजनाओं की प्रगति की निगरानी की जाती है। वाणिज्यिक ड्रोन की लागत तेजी से गिर गई है, जिससे उन्हें स्थानीय गैर सरकारी संगठनों और सरकारी एजेंसियों तक पहुंच प्राप्त हुई है। घाना और नेपाल जैसे देशों में प्रशिक्षण कार्यक्रम अब स्थानीय कर्मचारियों को पायलट और ड्रोन डेटा का विश्लेषण करने के लिए सुसज्जित हैं, एमएंडैम्प के स्थानीय स्वामित्व को बढ़ावा देने के लिए।

इंटरनेट ऑफ थिंग्स (आईओटी) और सेंसर नेटवर्क

जहां इंटरनेट कनेक्टिविटी मौजूद है, IoT सेंसर निरंतर डेटा स्ट्रीम प्रदान करते हैं। उदाहरण के लिए, ग्रामीण तंजानिया में जल पंप तेजी से सेंसर के साथ फिट होते हैं जो प्रवाह दर और यांत्रिक स्थिति को केंद्रीय डैशबोर्ड तक पहुंचाते हैं। यह रखरखाव टीमों को समय के भीतर टूटे हुए पंपों की मरम्मत करने में सक्षम बनाता है, बल्कि त्रैमासिक निरीक्षण के लिए इंतजार करने की बजाय। इसी तरह, सौर घर प्रणाली की स्थापना में स्मार्ट मीटर स्वचालित रूप से ऊर्जा उत्पादन और उपयोग पैटर्न की रिपोर्ट करते हैं, जिससे निवेशक परियोजना के प्रदर्शन और ग्राहक पुनर्भुगतान के व्यवहार पर विश्वसनीय डेटा देते हैं।

डेटा एनालिटिक्स और आर्टिफिशियल इंटेलिजेंस

रुझान पहचान के लिए बिग डेटा

डिजिटल डेटा का विस्फोट-मोबाइल फोन कॉल रिकॉर्ड, सोशल मीडिया पोस्ट, वित्तीय लेनदेन और प्रशासनिक स्रोतों से-M& के लिए अवसर पैदा करता है; ई जो एक दशक पहले अकल्पनीय थे। बिग डेटा एनालिटिक्स जनसंख्या पैमाने पर रुझानों की पहचान कर सकते हैं। उदाहरण के लिए, मोबाइल ऑपरेटरों से कॉल विस्तार रिकॉर्ड्स (CDRs) मानववादी सहायता के लक्ष्य को सूचित करते हुए संकट के बाद जनसंख्या आंदोलनों को ट्रैक करने में मदद करते हैं। सकल और अज्ञात CDR डेटा का उपयोग गतिशीलता में परिवर्तन और समय के साथ पैटर्न खर्च करके नकद हस्तांतरण कार्यक्रमों के प्रभाव का मूल्यांकन करने के लिए किया गया है।

मशीन लर्निंग मॉडल

मशीन लर्निंग (ML) एल्गोरिदम को परियोजना परिणामों की भविष्यवाणी करने और विसंगतियों का पता लगाने के लिए तेजी से लागू किया जाता है। कृषि विस्तार कार्यक्रमों में, ऐतिहासिक जलवायु डेटा, मिट्टी की स्थिति और गोद लेने की दर पर प्रशिक्षित एमएल मॉडल पूर्वानुमान कर सकते हैं कि किसान नई प्रथाओं को अपनाने की संभावना रखते हैं, जिससे कार्यक्रम अपने आउटरीच को तैयार करने में सक्षम होते हैं। स्वास्थ्य में, एल्गोरिदम रोग प्रकोप के प्रारंभिक चेतावनी संकेतों की पहचान करने के लिए रोगी रिकॉर्ड का विश्लेषण करते हैं, जिससे सहायता संगठनों को पूर्व-स्थिति आपूर्ति की अनुमति मिलती है। भविष्यवाणी मॉडल धोखाधड़ी का पता लगाने में भी मदद करते हैं: व्यय रिपोर्ट या डिस्बर्समेंट शेड्यूल में असामान्य पैटर्न ऑडिट टीमों के लिए स्वचालित अलर्ट ट्रिगर करते हैं।

क्वालिटेटिव डेटा के लिए प्राकृतिक भाषा प्रसंस्करण

विदेशी सहायता में सबूतों में से अधिकांश गुणात्मक है - फोकस समूहों, खुले अंत सर्वेक्षण प्रतिक्रियाओं, या क्षेत्र अधिकारी डायरी की प्रतिलेखन। प्राकृतिक भाषा प्रसंस्करण (एनएलपी) उपकरण अब पाठ की बड़ी मात्रा, विषयों को निकालने, भावनाओं और कीवर्ड की आवृत्ति को वर्गीकृत और विश्लेषण कर सकते हैं। UNICEF मूल्यांकन कार्यालय ने सैकड़ों मूल्यांकन रिपोर्टों से निष्कर्षों को सिंक्रनाइज़ करने के लिए एनएलपी को पायलट किया है, क्रॉस-काटने वाले पाठों की पहचान की है जो मैन्युअल रूप से संकलित होने के लिए अव्यवहारिक होगा। जबकि एनएलपी एक मानव विश्लेषक की बारीकी की प्रक्रिया को बदलने की जगह नहीं करता है।

अभिनव मूल्यांकन विधि

सहभागिता दृष्टिकोण

मूल्यांकन में सामुदायिक भागीदारी वास्तविक साझेदारी के लिए टोकनिस्टिक परामर्श से चली गई है। सहभागिता M& E फ्रेमवर्क स्थानीय हितधारकों को सफलता संकेतकों को परिभाषित करने, डेटा एकत्र करने और परिणामों की व्याख्या करने में संलग्न करते हैं। अधिकांश महत्वपूर्ण परिवर्तन, सामुदायिक स्कोरकार्ड और भागीदारी मानचित्रण जैसी तकनीकें लाभार्थियों को आवाज देती हैं और अक्सर परियोजनाओं के अप्रयुक्त परिणाम प्रकट करती हैं - दोनों सकारात्मक और नकारात्मक उदाहरण के लिए, ग्रामीण बांग्लादेश में एक जल स्वच्छता परियोजना में, समुदाय के सदस्यों ने यह पहचान की कि नए लैट्रिनों को उपयोग के बजाय भंडारण के लिए फिर से विकसित किया जा रहा है, एक ऐसा निष्कर्ष जो कि बाहरी मूल्यांकनकर्ताओं द्वारा पूरी तरह से बुनियादी ढांचे की गिनती पर केंद्रित किया गया है।

यादृच्छिक नियंत्रित परीक्षण और Quasi-Experimental डिजाइन

कठोरता प्रभाव मूल्यांकन सबूत आधारित सहायता का एक आधारशिला है। जबकि यादृच्छिक नियंत्रित परीक्षण (RCT) कारण की स्थापना के लिए सोने के मानक हैं, उनकी उच्च लागत और नैतिक बाधाओं को उनके उपयोग को सीमित करते हैं। Quasi-experimental तरीकों जैसे अंतर-in-difference, प्रतिगमन बंदता, और प्रवृत्ति स्कोर मिलान - यादृच्छिकता के दौरान मजबूत विकल्प प्रदान करते हैं। हाल के नवाचारों में अनुकूल परीक्षण शामिल हैं जो नमूना आकार या उपचार हथियारों को अंतरिम परिणामों के रूप में समायोजित करते हैं, गतिशील सेटिंग्स में मूल्यांकन अधिक कुशल बनाते हैं।

रियल टाइम फीडबैक सिस्टम

पारंपरिक मूल्यांकन अक्सर एक परियोजना के मध्य बिंदु और अंत में होता है, जो पाठ्यक्रम सुधार के लिए सीमित दायरे की पेशकश करता है। रीयल-टाइम फीडबैक सिस्टम लाभार्थियों से चल रहे इनपुट एकत्र करने के लिए मोबाइल सर्वेक्षण, एसएमएस सर्वेक्षण और सोशल मीडिया निगरानी का उपयोग करते हैं। डैशबोर्ड तुरंत परिणाम प्रदर्शित करते हैं, जो अनुकूली प्रबंधन को सक्षम करते हैं। रैपिड फीडबैक एमएंडएएम; ई दृष्टिकोण, जैसे संगठनों द्वारा चैंपियन किया गया बिल एंडैम्प; मेलिंडा गेट्स फाउंडेशन ], प्रोग्राम टीमों को साप्ताहिक या मासिक चक्र पर परीक्षण, सीखने और कार्यान्वयन को समायोजित करने की अनुमति देता है। केन्या में एक शिक्षा हस्तक्षेप में वास्तविक समय में दोनों परियोजनाओं में शामिल होने का मौका दिया गया।

योगदान विश्लेषण और प्रक्रिया अनुरेखण

जटिल हस्तक्षेपों के लिए जहां कारण साबित करना मुश्किल है, योगदान विश्लेषण और प्रक्रिया ट्रेसिंग जैसे सिद्धांत आधारित मूल्यांकन दृष्टिकोण कर्षण प्राप्त कर रहे हैं। ये विधियां एक विश्वसनीय कहानी का निर्माण करती हैं कि कैसे एक हस्तक्षेप ने व्यवस्थित रूप से वैकल्पिक स्पष्टीकरण का परीक्षण करके परिवर्तन करने में योगदान दिया। वे मिश्रित-विविध सबूत और मजबूत कार्यक्रम सिद्धांत पर भरोसा करते हैं, और विशेष रूप से शासन, वकालत और क्षमता-संशोधन परियोजनाओं में उपयोगी होते हैं जहां प्रयोगात्मक डिजाइन अव्यवहारिक हैं।

पारदर्शिता और जवाबदेही के लिए ब्लॉकचैन

वितरित लेजर प्रौद्योगिकी एमएंडएम्प के लिए आशाजनक अनुप्रयोग प्रदान करती है; ई विदेशी सहायता में। ब्लॉकचैन धन वितरण के लिए एक अपरिवर्तनीय ऑडिट ट्रेल बना सकता है, यह सुनिश्चित करता है कि हर डॉलर को दानर से अंतिम लाभार्थी तक ट्रैक किया गया है। स्मार्ट अनुबंध स्वचालित रूप से भुगतान जारी कर सकता है जब पूर्वनिर्धारित मील के पत्थरों को सत्यापित किया जाता है - उदाहरण के लिए, एक स्कूल निर्माण परियोजना को ब्लॉकचैन को अपलोड किए गए भौगोलिक तस्वीरों के माध्यम से पूरा किया जा रहा है। विश्व खाद्य कार्यक्रम के "बिल्डिंग ब्लॉक" पहल द्वारा पायलट परियोजनाओं ने प्रदर्शन किया है कि ब्लॉकचैन आधारित स्थानांतरण लेनदेन लागत को कम कर सकता है और शरणार्थी सहायता में धोखाधड़ी को कम कर सकता है। एमएंडए के लिए, विशेष रूप से अधिक विश्वसनीय डेटा संग्रह के परिणामों को रिकॉर्ड करने के लिए।

चुनौतियां और नैतिक विचार

गोपनीयता और सुरक्षा

डिजिटल डेटा संग्रह का प्रसार गंभीर गोपनीयता चिंताओं को बढ़ाता है। लाभार्थी डेटा- नाम, स्थान, स्वास्थ्य स्थिति और वित्तीय जानकारी सहित- यदि उचित रूप से संरक्षित नहीं हो तो दुरुपयोग किया जा सकता है। कई सहायता संगठन कमजोर डेटा संरक्षण कानूनों के संदर्भ में काम करते हैं, सूचनात्मक सहमति, डेटा नामकरण और सुरक्षित भंडारण सुनिश्चित करने के लिए मूल्यांकनकर्ताओं पर भारी नैतिक बोझ रखते हैं। मोबाइल ट्रेस और सोशल मीडिया डेटा का उपयोग सहमति और निगरानी की क्षमता के बारे में अतिरिक्त प्रश्न उठाता है। स्पष्ट नैतिक दिशानिर्देशों का विकास करना और डेटा सुरक्षा बुनियादी ढांचे में निवेश करना प्रौद्योगिकी-सक्षम एम एंड ए को स्केल करने के लिए गैर-सक्षमतापूर्ण पूर्वापेक्षाएं हैं।

डिजिटल डिवाइड

तकनीकी नवाचारों जोखिम अच्छी तरह से जुड़े शहरी क्षेत्रों और हाशिएदार ग्रामीण समुदायों के बीच अंतर को चौड़ा करता है। कई क्षेत्रों में, मोबाइल नेटवर्क कवरेज सीमित रहता है, बिजली अविश्वसनीय है, और डिजिटल साक्षरता कम है। पूरी तरह से उच्च तकनीक डेटा संग्रह पर निर्भर करने से सबसे कमजोर आबादी को बाहर रखा जा सकता है और पूर्वाग्रह परिणाम उत्पन्न किया जा सकता है। हाइब्रिड दृष्टिकोण-दूसरों के लिए डिजिटल उपकरणों वाले कुछ समुदायों के लिए पेपर सर्वेक्षण जैसे कम तकनीक विधियों को शामिल करना - प्रतिनिधिता सुनिश्चित करने के लिए आवश्यक हैं।

क्षमता निर्माण और स्थिरता

उन्नत M& का परिचय; स्थानीय कौशल और बुनियादी ढांचे में निवेश किए बिना ई उपकरण अक्सर बाहरी सलाहकारों पर निर्भरता की ओर जाता है। अल्पकालिक परियोजनाएं महंगे ड्रोन या एनालिटिक्स सॉफ़्टवेयर को तैनात कर सकती हैं, लेकिन एक बार वित्त पोषण समाप्त हो जाती है, स्थानीय कर्मचारियों को सिस्टम को बनाए रखने की विशेषज्ञता की कमी हो सकती है। सतत नवाचार को स्थानीय संस्थानों के भीतर प्रशिक्षण कार्यक्रमों को एम्बेड करने की आवश्यकता होती है, ओपन सोर्स सॉफ्टवेयर को बढ़ावा देने और राष्ट्रीय M& की विश्लेषणात्मक क्षमताओं का निर्माण करना;E इकाइयों। की तरह पहल मूल्यांकन के लिए क्षमता वैश्विक दक्षिण में मूल्यांकनकर्ताओं के बीच नेटवर्क समर्थन सहकर्मी सीखने की आवश्यकता है।

वैधता और उपयुक्तता

नई प्रौद्योगिकियों और तरीकों को स्वचालित रूप से बेहतर नहीं किया जाता है। "बिग डेटा" का आकर्षण यह ध्यान केंद्रित कर सकता है कि क्या महत्वपूर्ण है, बल्कि यह मापने में आसान है। उदाहरण के लिए, उपग्रह इमेजरी बुनियादी ढांचे में शारीरिक परिवर्तनों को मापने के लिए उत्कृष्ट है लेकिन यह कोई अंतर्दृष्टि नहीं प्रदान करता है कि कैसे एक परियोजना ने सामाजिक सामंजस्य या सशक्तिकरण में सुधार किया है। M& E चिकित्सकों को प्रत्येक उपकरण की उपयुक्तता के बारे में आलोचनात्मक रहना चाहिए, यह सुनिश्चित करना कि विधि मूल्यांकन प्रश्न और संदर्भ से मेल खाती है।

भविष्य निर्देश

कई रुझान विदेशी सहायता M& में नवाचार की अगली लहर को आकार देंगे;E. उपग्रह इमेजरी के साथ कृत्रिम बुद्धिमत्ता की अभिसरण आर्थिक गतिविधि, पर्यावरण अवक्रमण और संघर्ष जोखिम में परिवर्तन के लिए पूरे क्षेत्रों की निकट-वास्तविक निगरानी को सक्षम करेगा। सिंथेटिक डेटा का उपयोग - AI मॉडल द्वारा जनित जनसंख्या को अनुकरण करने के लिए - उन अंतरालों को भरने में मदद करेगा जहां वास्तविक डेटा अनुपलब्ध हैं या एकत्र करने के लिए बहुत संवेदनशील हैं।

भागीदारी डिजिटल प्लेटफॉर्म अधिक परिष्कृत होने की संभावना है, जिससे समुदायों को न केवल फीडबैक प्रदान करने की अनुमति मिलती है बल्कि सह-डिज़ाइन हस्तक्षेपों को भी उनकी खुद की डेटा का विश्लेषण करने की अनुमति मिलती है। नागरिक विज्ञान पहल, जहां स्थानीय स्वयंसेवक डेटा एकत्र और व्याख्या करते हैं, स्वास्थ्य और पर्यावरण निगरानी में विस्तार कर रहे हैं। ये दृष्टिकोण शक्ति गतिशीलता को बदलते हैं और स्थानीय क्षमता का निर्माण करते हैं।

ब्लॉकचैन पायलट चरणों से परे चला सकता है, जो सहायता पारदर्शिता का एक मानक घटक बन सकता है, विशेष रूप से बड़े बुनियादी ढांचे और खरीद परियोजनाओं में। इस बीच, स्थानीयकरण पर बढ़ते जोर - प्रमुख दाताओं से स्थानीय कलाकारों के लिए संसाधनों और निर्णय लेने की प्रतिबद्धता - एमएंडएम्प के लिए मांग को ड्राइव करेगा; ई सिस्टम जो राष्ट्रीय सरकारों और नागरिक समाज संगठनों द्वारा स्वामित्व और प्रबंधित किए जाते हैं।

अंत में, M& का एकीकरण;E वास्तविक समय के निर्णय लेने के साथ-कभी "अनुकूली प्रोग्रामिंग" कहा जाता है - मूल्यांकन और परियोजना प्रबंधन के बीच लाइन को धुंधला करना जारी रखेगा। सिस्टम जो स्वचालित विश्लेषण और डैशबोर्ड के साथ निरंतर डेटा स्ट्रीम को जोड़ते हैं, वे अप्रत्याशित गति के साथ बदलती परिस्थितियों का जवाब देने के लिए सहायता कार्यक्रम सक्षम होंगे, बशर्ते कि नैतिक सुरक्षा और मानव निरीक्षण बनाए रखा गया हो।

निष्कर्ष

इस लेख में वर्णित नवाचारों में एक मौलिक बदलाव का प्रतिनिधित्व करते हैं कि विदेशी सहायता परियोजनाओं की निगरानी और मूल्यांकन कैसे किया जाता है। सैटेलाइट इमेजरी, मोबाइल उपकरण, एआई एनालिटिक्स, पार्टिसिपेटरी विधियां और ब्लॉकचैन प्रत्येक अद्वितीय लाभ प्रदान करते हैं, लेकिन कोई भी एक पैनेसिया नहीं है। सबसे प्रभावी एमएंडएम्प; ई सिस्टम कई दृष्टिकोणों को मिश्रित करते हैं, स्थानीय संदर्भों के अनुकूल होते हैं और लाभार्थियों की भागीदारी और सुरक्षा को प्राथमिकता देते हैं। चूंकि विदेशी सहायता क्षेत्र विकसित होने के लिए जारी रहता है, संगठन जो विचारशील, नैतिक और सक्षम एमएंडएम्प में निवेश करते हैं; ई सिस्टम प्रभाव को प्रदर्शित करने के लिए सबसे अच्छी स्थिति होगी, असफलताओं से सीखेंगे और अंततः समुदायों के लिए बेहतर परिणाम प्रदान करेंगे।

हितधारकों - दाताओं से और एजेंसियों को सरकारी और स्थानीय समुदायों को लागू करने से - डेटा गोपनीयता, डिजिटल एक्सल्यूशन और क्षमता अंतराल की लगातार चुनौतियों को दूर करने के लिए सहयोग करना चाहिए। तभी निगरानी और मूल्यांकन में नवाचार का वादा पूरी तरह से दुनिया के सबसे कमजोर लोगों के जीवन में सुधार करने के लिए महसूस किया जा सकता है।