विधान निर्णयों में साक्ष्य आधारित नीति का महत्व

परिचय

आधुनिक शासन में, कानून की तैयारी की प्रक्रिया एक समाज के लिए सबसे अधिक परिणामी गतिविधियों में से एक है। प्रत्येक कानून पारित, प्रत्येक विनियमन अधिनियमित, और प्रत्येक सार्वजनिक कार्यक्रम सीधे लाखों लोगों की भलाई को प्रभावित करता है। हिस्सेदारी अधिक है, और त्रुटि के लिए मार्जिन संकीर्ण है। दशकों तक, नीति निर्माताओं ने इस सवाल के साथ चकित कर दिया है कि निर्णय कैसे किया जाए जो लगातार सकारात्मक परिणाम उत्पन्न करते हैं। जवाब, तेजी से, सबूत आधारित नीति के प्रति प्रतिबद्धता में निहित है - एक दृष्टिकोण जो कठोर अनुसंधान, अनुभवजन्य डेटा और विचारधारा के बजाय व्यवस्थित विश्लेषण में एक महत्वपूर्ण निर्णय है।

साक्ष्य आधारित नीति एक नया विचार नहीं है, लेकिन इसका महत्व जटिल, पारस्परिक चुनौतियों के युग में नाटकीय रूप से बढ़ गया है - महामारी और जलवायु परिवर्तन से आर्थिक असमानता और सार्वजनिक स्वास्थ्य संकट तक। सबूतों में एक मजबूत नींव के बिना, विधायिका जोखिम उन कानूनों को लागू करने का जोखिम उठाते हैं जो संसाधनों को बर्बाद करते हैं, जिससे असंतोष हानि होती है, या समस्याओं के मूल कारणों को संबोधित करने में विफल रहता है। यह लेख विधायी निर्णय लेने में साक्ष्य की महत्वपूर्ण भूमिका की खोज करता है, इसके लाभों को रेखांकित करता है, बाधाओं की जांच करता है, और इसे नीति निर्माण प्रक्रिया में गहराई से एम्बेड करने के लिए रणनीतियों की पेशकश करता है।

सबूत आधारित नीति

इसके मूल पर, साक्ष्य आधारित नीति यह सिद्धांत है कि क्या करना है, इसके बारे में निर्णय करता है-और इसे कैसे करना है- सर्वोत्तम उपलब्ध उद्देश्य जानकारी द्वारा सूचित किया जाना चाहिए। यह जानकारी विभिन्न स्रोतों से आ सकती है, जिनमें यादृच्छिक नियंत्रित परीक्षण, अनुदैर्ध्य अध्ययन, प्रशासनिक डेटा, व्यवस्थित समीक्षा और कार्यक्रम मूल्यांकन शामिल हैं। लक्ष्य ज्ञान के साथ अनुमान लगाने की जगह है, ताकि धारणाओं का परीक्षण किया जा सके, और किस काम में काम किया गया है - और क्या नहीं है - इसी तरह के संदर्भों में।

अवधारणा सबूत आधारित चिकित्सा से बहुत आकर्षित होती है, जो स्वास्थ्य देखभाल को बदल देती है कि नैदानिक निर्णयों को परंपरा या अंतर्ज्ञान के बजाय अनुसंधान निष्कर्षों द्वारा निर्देशित किया जाना चाहिए। उसी तरह, सबूत आधारित नीति प्रशासन की कला के लिए वैज्ञानिक रिगर लाने की कोशिश करती है। इसका मतलब यह नहीं है कि मान, नैतिकता, या सार्वजनिक इनपुट को नजरअंदाज नहीं किया गया है; बल्कि इसका मतलब यह है कि उन विचारों को एक ठोस तथ्यात्मक नींव के शीर्ष पर रखा गया है।

ऐतिहासिक संदर्भ

सबूत आधारित नीति की जड़ें 20 वीं सदी के मध्य में पता लगाया जा सकता है, जब सामाजिक वैज्ञानिकों ने सरकारी कार्यक्रमों का मूल्यांकन करने के लिए मात्रात्मक तरीकों को लागू करना शुरू किया। 1960 के दशक के दौरान संयुक्त राज्य अमेरिका में गरीबी पर युद्ध, उदाहरण के लिए, इसमें बड़े पैमाने पर प्रयोग जैसे नकारात्मक आयकर प्रयोग और पेरी प्रीस्कूल अध्ययन शामिल थे, जिसने इस तरह के कठोर मूल्यांकन के प्रारंभिक उदाहरण प्रदान किए थे कि नीति डिजाइन को कैसे आकार दे सकता है। 1990s और 2000s में, संयुक्त राज्य अमेरिका में "क्या काम करता है" जैसे आंदोलनों और संयुक्त राज्य अमेरिका में "विश्वविद्यालय आधारित नीति निर्माण" ने गति प्राप्त की, जिससे संगठन के निर्माण में अग्रणी [[FLT: 0]RAND निगम [FLT]]]

प्रमुख सिद्धांत

प्रभावी साक्ष्य आधारित नीति कई सिद्धांतों पर निर्भर करती है:

• ]]सबसे ज्यादा गुणवत्ता वाले सबूतों का उपयोग - सिर्फ कोई डेटा नहीं, बल्कि डेटा जो विश्वसनीय, मान्य और विशिष्ट निर्णय संदर्भ के लिए प्रासंगिक है।
• ]उपकरणों और स्रोतों में पारदर्शिता - ताकि सबूतों को जांचा जा सके, दोहराए जा सकें, और दूसरों द्वारा चुनौती दी जा सके।
• ]Continuous learning and adaptation – नीतियों का इलाज किया जाना चाहिए, जांच की जानी चाहिए, परिष्कृत किया जाना चाहिए, या नए सबूत उभरने के रूप में बदल दिया जाना चाहिए।
• ]स्थानीय संदर्भ का एकीकरण - एक सेटिंग से सबूत को ध्यान से सामाजिक, आर्थिक और सांस्कृतिक वास्तविकताओं के लिए अनुकूलित किया जाना चाहिए।

विधान निर्णयों में डेटा और अनुसंधान की भूमिका

आधुनिक विधायिकाओं को जानकारी की एक असाधारण मात्रा का सामना करना पड़ता है। बिल, सुनवाई, घटक पत्र, लॉबीिंग सामग्री, और मीडिया रिपोर्ट बमबारी निर्णय निर्माताओं दैनिक। सबूतों के लिए एक अनुशासित दृष्टिकोण के बिना, यह सभी जोरदार आवाज़ या हाल के हेडलाइनों पर भरोसा करना बहुत आसान हो जाता है। डेटा और शोध एक प्रतिजन प्रदान करते हैं - शोर के माध्यम से कटौती करने और वास्तव में सच होने वाली पहचान करने का एक व्यवस्थित तरीका।

सबूत की भूमिका कई अलग-अलग कार्यों में टूट सकती है:

• ]Problem पहचान: डेटा विधायकों को किसी समस्या के प्रकृति, पैमाने और वितरण को समझने में मदद करता है। उदाहरण के लिए, स्कूलों से प्रशासनिक डेटा राजनीतिक बात करने के बिंदु बनने से पहले लंबे समय तक लगातार उपलब्धि अंतराल को प्रकट कर सकता है।
• विकल्प पीढ़ी: मौजूदा कार्यक्रमों की व्यवस्थित समीक्षा उन दृष्टिकोणों का वादा करने का सुझाव दे सकती है जिनकी कोशिश कहीं कहीं कहीं और की गई है, नए प्रस्तावों को विकसित करने में समय और संसाधनों की बचत।
• Impact आकलन: भविष्यवाणी मॉडलिंग और लागत लाभ विश्लेषण पारित होने से पहले प्रस्तावित कानून के संभावित प्रभावों का अनुमान लगा सकता है, जिससे सांसदों को व्यापार-बंद करने की अनुमति मिलती है।
• Evaluation and iteration: एक बार एक नीति को अधिनियमित करने के बाद, चल रहे डेटा संग्रह और मूल्यांकन यह निर्धारित करता है कि क्या यह अपने लक्ष्यों को प्राप्त कर रहा है, और क्या मध्य-कोर्स सुधार की आवश्यकता है।

यह चक्र स्वचालित नहीं है; इसके लिए संस्थागत बुनियादी ढांचे की आवश्यकता होती है, जैसे कि विधायिकाओं के भीतर समर्पित अनुसंधान इकाइयों, विश्वविद्यालयों के साथ साझेदारी और सरकारी डेटा प्रणालियों तक पहुंच। कनाडा और ऑस्ट्रेलिया जैसे देशों ने उल्लेखनीय परिणामों के साथ, इस तरह के बुनियादी ढांचे में भारी निवेश किया है।

Evidence-Based Policy

जब ठीक से लागू किया जाता है, तो साक्ष्य आधारित नीति उन ठोस लाभों की एक श्रृंखला प्रदान करती है जो विचारधारा से परे हैं।

बेहतर आउटकॉम

सबसे स्पष्ट लाभ यह है कि सबूतों द्वारा सूचित नीतियां उनके इच्छित उद्देश्यों को प्राप्त करने की अधिक संभावना है। एक शिक्षा सुधार यादृच्छिक परीक्षणों में आधारित है जिसमें दिखाया गया है कि ट्यूरिंग परीक्षण स्कोर को बढ़ाता है, लगभग निश्चित रूप से एक लोकप्रिय लेकिन अप्रमाणित सिद्धांत के आधार पर एक सुधार को बेहतर बना देगा। इसी तरह, सार्वजनिक स्वास्थ्य हस्तक्षेप जो रोग संचरण पर डेटा का पालन करते हैं - जैसे लक्षित टीकाकरण अभियान - कंबल उपायों की तुलना में कहीं अधिक जीवन बचाते हैं जो महामारी विज्ञान के सबूतों को अनदेखा करते हैं।

लागत प्रभाव

सरकारें परिमित बजट के तहत काम करती हैं। साक्ष्य आधारित नीति यह सुनिश्चित करने में मदद करती है कि सीमित संसाधनों को उन कार्यक्रमों की ओर निर्देशित किया जाता है जो निवेश पर सबसे बड़ी वापसी प्रदान करते हैं। उदाहरण के लिए, प्रारंभिक बचपन के कार्यक्रमों के कठोर मूल्यांकन से पता चला है कि हर डॉलर ने उच्च गुणवत्ता वाले पूर्वस्कूली उपज पर खर्च किया है, जो कि दीर्घकालिक बचत में $ 7 तक कम अपराध, उच्च कमाई और बेहतर स्वास्थ्य परिणाम के माध्यम से। सबूत के बिना, उन डॉलर को कम या कोई प्रभाव के साथ कार्यक्रमों में प्रवाहित किया जा सकता है।

सार्वजनिक ट्रस्ट और वैधता

नागरिकों को सरकारी निर्णयों पर भरोसा करने की संभावना अधिक होती है जब वे देखते हैं कि वे राजनीतिक पक्ष या विचारधारा के बजाय उद्देश्य विश्लेषण पर आधारित हैं। एक नीति के अंतर्निहित सबूतों के बारे में पारदर्शिता ध्रुवीकरण को कम कर सकती है और द्विपक्षीय समर्थन का निर्माण कर सकती है। उदाहरण के लिए, जब दोनों पक्षों के विधायकों को एक ही डेटा को इंगित कर सकता है कि एक निश्चित आपराधिक न्याय सुधार ने पुनरावृत्ति को कम कर दिया है, तो कानून को पारित करना आसान हो जाता है जो अन्यथा पक्षपात ग्रिडलॉक द्वारा स्टॉल किया जा सकता है।

लचीलापन और अनुकूलनशीलता

साक्ष्य आधारित नीति स्थिर नहीं है क्योंकि यह डेटा में जड़ित है, यह नई जानकारी उपलब्ध होने के रूप में अनुकूलित हो सकता है। उदाहरण के लिए, COVID-19 महामारी के दौरान, सार्वजनिक स्वास्थ्य दिशानिर्देशों को लगातार प्रसारण, प्रतिरक्षा और टीका प्रभावशीलता के बारे में उभरते अनुसंधान के आधार पर अद्यतन किया गया था। इस लचीलेपन ने सरकारों को तेजी से बदलते स्थिति के लिए अधिक प्रभावी ढंग से जवाब देने की अनुमति दी। एक विशुद्ध रूप से विचारिक दृष्टिकोण बहुत अधिक कठोर और कम प्रभावी रहा होगा।

प्रदर्शन और आलोचनाओं को लागू करने में साक्ष्य-आधारित नीति

इसके स्पष्ट लाभों के बावजूद, सबूत आधारित नीति महत्वपूर्ण बाधाओं का सामना करती है। इन चुनौतियों को समझना किसी के लिए आवश्यक है जो इसके उपयोग को बढ़ावा देने की मांग करता है।

राजनीतिक प्रतिरोध

शायद सबसे बड़ा अवरोध राजनीतिक इच्छा है। साक्ष्य जो गहराई से आयोजित विश्वास या एक शक्तिशाली हित समूह का विरोधाभास करता है, को अनदेखा किया जा सकता है, दबाया जा सकता है, या यहां तक कि अविश्वासित भी हो सकता है। लॉमेकर लंबी अवधि की प्रभावशीलता पर अल्पकालिक चुनावी लाभ को प्राथमिकता दे सकते हैं, उन कार्यक्रमों को वित्त पोषण कर सकते हैं जो उन लोगों को काटते समय लोकप्रिय लेकिन अप्रभावी हैं लेकिन उनमें कमी नहीं है लेकिन दृश्यता। इस प्रतिरोध को आगे बढ़ाने के लिए सांस्कृतिक परिवर्तन और संस्थागत तंत्रों जैसे स्वतंत्र मूल्यांकन निकायों की आवश्यकता होती है - जो राजनीतिक दबाव से सबूत को इन्सुलेट करते हैं।

डेटा सीमा

उच्च गुणवत्ता वाले सबूत हमेशा उपलब्ध नहीं हैं कई महत्वपूर्ण नीति प्रश्नों का कभी कठोर अध्ययन नहीं किया गया है। डेटा अधूरे, पुराना या तरीके से एकत्र किया जा सकता है जो पूर्वाग्रह पेश करते हैं। विकासशील देशों में, प्रशासनिक डेटा सिस्टम अक्सर कमजोर होते हैं, जिससे परिणामों को ट्रैक करना मुश्किल हो जाता है। यहां तक कि जहां डेटा मौजूद है, यह एजेंसियों के पार खंडित हो सकता है और लिंक करना मुश्किल हो सकता है। डेटा बुनियादी ढांचे में निवेश करना - जैसे कि एकीकृत डेटा सिस्टम जो शिक्षा, स्वास्थ्य और रोजगार के व्यक्तियों का पालन करते हैं - पैमाने पर साक्ष्य आधारित नीति के लिए एक पूर्वापेक्षात है।

समय की रोकथाम

विधानमंडल अक्सर तंग अनुसूची पर काम करते हैं, जिसमें बिलों को सप्ताह या यहां तक कि दिनों में समितियों और फर्श के माध्यम से आगे बढ़ने के साथ। एक गहन मूल्यांकन का आयोजन या एक व्यवस्थित समीक्षा महीनों या वर्षों तक ले सकती है। नीति निर्माताओं को कभी-कभी सबूतों के सामने निर्णय लेना चाहिए। ऐसे मामलों में, साक्ष्य आधारित नीति का मतलब समय पर सबसे अच्छी उपलब्ध जानकारी का उपयोग करना - यहां तक कि अगर यह अपूर्ण है - और निर्णय को संशोधित करने के लिए प्रतिबद्ध है, तो एक बार अधिक मजबूत साक्ष्य उभरने के बाद।

जटिलता और संदर्भ

सामाजिक समस्याएं शायद ही कभी सरल होती हैं। एक ऐसा कार्यक्रम जो किसी शहर में अपराध को कम करता है, वह जनसांख्यिकीय, राजनीतिक प्रथाओं या आर्थिक स्थितियों में मतभेदों के कारण दूसरे में विफल हो सकता है। एक कसकर नियंत्रित प्रयोग से साक्ष्य सीधे बड़े पैमाने पर नीति रोलआउट की गन्दा वास्तविकता में अनुवाद नहीं कर सकता है। इस "बाहरी वैधता" चुनौती का मतलब है कि सबूतों को देखभाल के साथ व्याख्या की जानी चाहिए, और स्थानीय पायलटिंग और अनुकूलन अक्सर आवश्यक होते हैं।

साक्ष्य आधारित नीति सफलता के मामले अध्ययन

कंक्रीट उदाहरण कार्रवाई में सबूत आधारित नीति की शक्ति को चित्रित करने में मदद करते हैं।

सार्वजनिक स्वास्थ्य: तंबाकू नियंत्रण

कई देशों में धूम्रपान की दरों में नाटकीय कमी एक पाठ्यपुस्तक सफलता की कहानी है। महामारी विज्ञान अनुसंधान के दशक ने धूम्रपान और कैंसर, फेफड़ों की बीमारी और हृदय रोग के बीच कड़ी स्थापित की। यादृच्छिक परीक्षणों और आर्थिक विश्लेषण ने कर बढ़ने, ग्राफिक चेतावनी लेबल और धूम्रपान मुक्त कानूनों की प्रभावशीलता का प्रदर्शन किया। सरकारें सबूतों का पालन करती हैं - सिगरेट करों को बढ़ाकर, विज्ञापन पर प्रतिबंध लगाकर और छोड़ने वाले कार्यक्रमों को वित्त पोषण करके - देखा धूम्रपान की संभावना 50% या अधिक हो जाती है। सबूत इतना मजबूत था कि यह अंततः तम्बाकू उद्योग से भयंकर विरोध को खत्म कर देती है।

शिक्षा: सफल पढ़ना हस्तक्षेप

संयुक्त राज्य अमेरिका में, शिक्षा संस्थान ने शिक्षा में क्या काम करने की पहचान करने के लिए सैकड़ों यादृच्छिक नियंत्रित परीक्षणों को वित्त पोषित किया है। एक स्टैंडआउट हस्तक्षेप रीडिंग रिकवरी है, जो पढ़ने के साथ संघर्ष करने वाले पहले ग्रेडर के लिए एक-एक-एक ट्यूशन कार्यक्रम है। एकाधिक कठोर मूल्यांकनों में पाया गया कि कार्यक्रम ने साक्षरता में महत्वपूर्ण, स्थायी लाभ पैदा किया। स्कूल जिलों ने इस साक्ष्य के आधार पर रीडिंग रिकवरी को अपनाया, पढ़ने के स्कोर में मापने योग्य सुधार देखा, जबकि उन जिलों में जो अनपरीक्षित पाठ्यक्रम पर निर्भर थे, अक्सर न्यूनतम प्रगति देखी गई।

आपराधिक न्याय: कम करने की Recidivism

वॉशिंगटन के जोखिम-Needs-Responsivity (RNR) मॉडल की स्थिति दर्शाती है कि कैसे सबूत सुधार को बदल सकते हैं। पुनर्निवेश की अपनी संभावना के आधार पर कैदियों को वर्गीकृत करने के लिए मान्य जोखिम मूल्यांकन उपकरण का उपयोग करके और फिर उन्हें सबूत आधारित पुनर्वास कार्यक्रमों से मेल खाते हुए - जैसे संज्ञानात्मक व्यवहार चिकित्सा और दवा उपचार - वॉशिंगटन ने 15% से 20% तक दोहराव दर कम कर दी। इन आंकड़ों के संचालित दृष्टिकोणों को अन्य राज्यों में दोहरा दिया गया है, जिससे सार्वजनिक सुरक्षा में सुधार करते समय गर्भपात की लागत में अरबों की बचत हुई है। न्याय संस्थान इस तरह की पहल के लिए चल रहे अनुसंधान समर्थन प्रदान करता है।

पर्यावरण नीति: जलवायु परिवर्तन शमन

साक्ष्य आधारित नीति जलवायु परिवर्तन से निपटने के प्रयासों के लिए केंद्रीय है। जलवायु मॉडलिंग, उत्सर्जन डेटा और आर्थिक विश्लेषण ने हस्तक्षेपों के पोर्टफोलियो की पहचान की है - कार्बन मूल्य निर्धारण, अक्षय ऊर्जा सब्सिडी, ऊर्जा दक्षता मानकों और वन संरक्षण - जो कम लागत पर ग्रीनहाउस गैसों को कम कर सकते हैं। जिन देशों ने इस साक्ष्य के आधार पर कार्बन मूल्य निर्धारण को लागू किया है, जैसे कि स्वीडन और ब्रिटिश कोलंबिया, ने आर्थिक विकास को नुकसान पहुंचाए बिना महत्वपूर्ण उत्सर्जन में कमी हासिल की है।

साक्ष्य आधारित नीति को बढ़ावा देने के लिए रणनीतियाँ

अभ्यास के लिए आकांक्षा से आगे बढ़ने के लिए कई स्तरों पर जानबूझकर कार्रवाई की आवश्यकता होती है।

डेटा इन्फ्रास्ट्रक्चर में निवेश करें

विश्वसनीय, समय पर डेटा के बिना, साक्ष्य आधारित नीति असंभव है। सरकारों को एकीकृत डेटा सिस्टम का निर्माण करना चाहिए जो गोपनीयता की रक्षा करते समय एजेंसियों को रिकॉर्ड को जोड़ने के लिए मजबूर करता है। उन्हें प्रमुख कार्यक्रमों के चल रहे मूल्यांकन को भी फंड करना चाहिए, कठोर डिजाइनों जैसे यादृच्छिक नियंत्रित परीक्षण और अर्ध-व्यावसायिक तरीकों का उपयोग करना चाहिए।

संस्थागत क्षमता का निर्माण

विधानमंडलों को गैर-विभागीय अनुसंधान कार्यालयों का निर्माण किया जा सकता है, जो संयुक्त राज्य अमेरिका में कांग्रेसी अनुसंधान सेवा (सीआरएस) या ब्रिटेन में संसदीय विज्ञान और प्रौद्योगिकी कार्यालय (पीओएसटी) के समान है, जो सबूत संक्षेपण, लागत अनुमान और मूल्यांकन प्रदान करता है। इन कार्यालयों को प्रशिक्षित विश्लेषकों द्वारा स्टाफ किया जाना चाहिए और राजनीतिक हस्तक्षेप से अछूता होना चाहिए।

ट्रेन विधायक और स्टाफ

कई नीति निर्माताओं के पास डेटा या अनुसंधान विधियों की व्याख्या करने में कोई औपचारिक प्रशिक्षण नहीं है। साक्ष्य आधारित नीति पर कार्यशालाओं, फैलोशिप और ऑनलाइन संसाधनों की पेशकश - जैसे कि एमआईटी में पाठ्यक्रम सामग्री J-PAL] - उन्हें बेहतर सवाल पूछने और आलोचनात्मक रूप से सबूतों का मूल्यांकन करने के लिए तैयार कर सकते हैं।

शोधकर्ताओं के साथ फोस्टर पार्टनरशिप

विश्वविद्यालयों, विचार टैंकों और अनुसंधान संगठनों विशेषज्ञता और डेटा कि विधायिकाओं की कमी प्रदान कर सकते हैं। औपचारिक साझेदारी, जैसे अनुसंधान-व्यावसायिक साझेदारी (RPP)), सुनिश्चित करें कि अध्ययन नीति की जरूरतों के लिए प्रासंगिक हैं और निष्कर्ष सुलभ प्रारूपों में संवाद कर रहे हैं।

विधान प्रक्रिया में साक्ष्य की आवश्यकता

कुछ अधिकार क्षेत्र ने कानून पारित कर दिया है जिसके लिए प्रमुख कानून सबूत-आधारित आकलन के साथ हो। उदाहरण के लिए, ओरेगन की "विश्वास-आधारित नीति" विधियों का निर्देशन करती है कि राज्य एजेंसियों उन कार्यक्रमों का उपयोग करती है जो कठोर अनुसंधान द्वारा प्रभावी साबित हुए हैं। ऐसी आवश्यकताएं एक "डिफ़ॉल्ट" बनाती हैं जो सबूतों के उपयोग को प्रोत्साहित करती हैं।

Evidence-Based Policy के लिए भविष्य की दिशा

चूंकि प्रौद्योगिकी अग्रिम और डेटा अधिक प्रचुर मात्रा में हो जाते हैं, सबूत आधारित नीति की क्षमता केवल बढ़ जाएगी। कृत्रिम बुद्धिमत्ता और मशीन लर्निंग पैटर्न और पूर्वानुमान परिणामों की पहचान के लिए विशाल डेटासेट का विश्लेषण कर सकता है, हालांकि इन उपकरणों का उपयोग पूर्वाग्रहों को मजबूत करने से बचने के लिए सावधानी के साथ किया जाना चाहिए। रीयल-टाइम डेटा डैशबोर्ड कार्यान्वयन प्रगति पर नीति निर्माताओं को मिनट की जानकारी दे सकते हैं। व्यवहारिक विज्ञान अंतर्दृष्टि का उपयोग उन नीतियों को डिजाइन करने के लिए किया जा रहा है जो नागरिकों को बेहतर विकल्पों की ओर धकेलते हैं, जिसमें कठोर परीक्षण उनकी प्रभावशीलता सुनिश्चित करने के लिए।

इसी समय, क्षेत्र महत्वपूर्ण आलोचनाओं के साथ ग्रैपलिंग है। कुछ लोग तर्क देते हैं कि मात्रात्मक सबूतों पर निर्भरता नीतियों से प्रभावित समुदायों से गुणात्मक अंतर्दृष्टि को रेखांकित कर सकती है। अन्य लोग बताते हैं कि "साक्ष्य" की गिनती अक्सर सत्ता में उन लोगों द्वारा निर्धारित की जाती है, और इस प्रक्रिया में मामूली आवाज शामिल की जानी चाहिए। सबूत आधारित नीति की अगली पीढ़ी को अधिक समावेशी, अधिक पारदर्शी और अधिक सत्ता और संदर्भ की बारीकियों के लिए बाध्य होना चाहिए।

निष्कर्ष

सबूत आधारित नीति के मामले में शिकायत है। जब विधायक ठोस अनुसंधान और डेटा में अपने निर्णयों पर आधारित होते हैं, तो वे कानून उत्पन्न करते हैं जो बेहतर काम करते हैं, लागत कम करते हैं और अधिक सार्वजनिक विश्वास को कम करते हैं। फिर भी सिद्धांत से अभ्यास करने का मार्ग बाधाओं से संघर्ष करता है - राजनीतिक, संस्थागत और विधिशास्त्र। उन्हें आने के लिए डेटा, क्षमता और संस्कृति परिवर्तन में निरंतर निवेश की आवश्यकता होती है। इसके लिए भी विनम्रता की आवश्यकता होती है: सबूत हमेशा अनंतिम होते हैं, कि नीतियों को लगातार परीक्षण और परिष्कृत किया जाना चाहिए, और यह कि अंतिम लक्ष्य मानव निर्णय को खत्म नहीं करना है, लेकिन इसे सर्वोत्तम ज्ञान उपलब्ध कराने के लिए सूचित करना चाहिए।

वैश्विक चुनौतियों की एक उम्र में - महामारी, जलवायु परिवर्तन, असमानता और तकनीकी व्यवधान - सबूत आधारित शासन की आवश्यकता कभी अधिक नहीं रही है। क्या काम करता है, और क्या नहीं करता है, इसके बारे में ईमानदार होने के कारण, सांसद भविष्य का निर्माण कर सकते हैं जो न केवल अधिक प्रभावी बल्कि सिर्फ़ अधिक ही है।