हा लेख जागतिक लोकसंख्या दिन 2024 या मालिकेचा भाग आहे.
जागतिक लोकसंख्या दिन साजरा करताना, 1994 मध्ये झालेल्या आंतरराष्ट्रीय लोकसंख्या आणि विकास परिषदेनंतर (आयसीपीडी) डेटामध्ये लैंगिक समानतेच्या दिशेने केलेल्या वचनबद्धतेचा विचार करणे महत्वाचे आहे. या परिषदेने जागतिक विकास कार्यक्रमाच्या केंद्रस्थानी महिलांचे हित ठेवले, विकासाच्या अजेंड्यामध्ये लिंगविषयक बाबी महत्त्वाच्या म्हणून ओळखल्या. तथापि, 30 वर्षांनंतरही, जेंडर डेटामधील सततची तफावत शाश्वत विकास उद्दिष्टे (SDGs), विशेषतः SDG 5, लिंग समानतेवर लक्ष केंद्रित करणाऱ्या प्रगतीमध्ये अडथळा निर्माण करत आहे.
वर्ल्ड इकॉनॉमिक फोरमचा 2024 अहवाल ठळक करतो की जागतिक लैंगिक अंतर (ग्लोबल जेंडर गॅप) 68.5 टक्के आहे. प्रगतीच्या सध्याच्या दरानुसार, संपूर्ण समानता प्राप्त करण्यासाठी 134 वर्षे लागतील.
वर्ल्ड इकॉनॉमिक फोरमचा 2024 अहवाल ठळक करतो की जागतिक लैंगिक अंतर (ग्लोबल जेंडर गॅप) 68.5 टक्के आहे. प्रगतीच्या सध्याच्या दरानुसार, संपूर्ण समानता प्राप्त करण्यासाठी 134 वर्षे लागतील. शिवाय, SDG चे निरीक्षण करण्यासाठी फक्त 42 टक्के परिमाण उपलब्ध आहेत. आरोग्य-संबंधित SDG निर्देशकांपैकी निम्म्याहून कमी, लिंगानुसार वेगळे केले गेले आहेत. तर 28 पैकी केवळ 11 निर्देशक पुरेसे नाहीत. UN च्या अभ्यासानुसार, जेंडर डेटा गॅप बंद करण्यासाठी 22 वर्षे लागतील असा अंदाज आहे.
जेंडर डेटा गॅप
लिंग-विशिष्ट SDG निर्देशकांवरील तीन चतुर्थांश पेक्षा जास्त डेटा एक दशकाहून जुना आहे आणि यापैकी 20 टक्क्यांहून कमी निर्देशांक एकापेक्षा जास्त वेळा गोळा केले गेले आहेत. UN च्या अभ्यासातून असे दिसून आले आहे की कोणत्याही देशाने महिलांवरील लैंगिक हिंसाचाराचे प्रमाण आणि सरासरी उत्पन्नाच्या 50 टक्के खाली जगणाऱ्या महिलांचे प्रमाण आणि राष्ट्रीय दारिद्र्यरेषेसह 14 गंभीर निर्देशकांवर अहवाल दिला नाही. यासारख्या महत्त्वाच्या डेटा गॅपमुळे महिलांच्या त्यांच्या सामाजिक-आर्थिक परिस्थिती आणि अनुभवांबद्दलचे आकलन होण्यास अडथळा निर्माण होतो. जेंडर डेटामधील तफावत दूर करण्याचे मुख्य आव्हान डेटा मूल्य साखळी समजून घेणे आणि सुधारणे हे आहे, जेथे डेटा उत्पादक आणि वापरकर्ते यांच्यात मोठे अंतर आहे.
आकृती 1. प्रदेशानुसार लिंग विभक्त डेटा
स्रोत: Data2X आणि Open Data Watch, 2021
डेटा व्हॅल्यू चेनमध्ये डेटाची गरज ओळखण्यापासून ते ऍप्लिकेशन आणि संभाव्य पुनर्वापरापर्यंत संपूर्ण प्रक्रिया समाविष्ट असते. या मूल्य साखळीत चार प्राथमिक टप्पे असतात: संकलन, प्रकाशन, अपटेक आणि प्रभाव. हे फ्रेमवर्क हे सुनिश्चित करते की डेटा उत्पादक आणि भागधारक यांच्यात सतत अभिप्राय मिळतो, डेटाची प्रासंगिकता आणि अचूकता वाढवते.
गरज आहे की या कच्च्या डेटाचे कृती करण्यायोग्य आणि मोजता येण्याजोग्या प्रभावांमध्ये हस्तक्षेप वितरीत होणे आवश्यक आहे. त्यातूनच SDGs साध्य करण्यात मदत होईल. ज्यासाठी, धोरण विकासाच्या प्रत्येक टप्प्यावर लिंग दृष्टीकोन अंतर्भूत केला जाईल याची खात्री करून, प्रभावी जेंडर डेटा संकलित करणे आणि धोरण प्रक्रियेत अखंडपणे एकत्रित करणे आवश्यक आहे. लिंग समानतेच्या दिशेने अर्थपूर्ण बदल घडवून आणणाऱ्या कृतीयोग्य अंतर्दृष्टीत डेटाचे रूपांतर करण्यासाठी हे एकत्रीकरण महत्त्वाचे आहे.
तथापि, हेल्थकेअर आणि एआय सारख्या उदयोन्मुख तंत्रज्ञानासारख्या अनेक डोमेनमध्ये जेंडर डेटा पूर्वाग्रह पसरतो. उदाहरणार्थ, वैद्यकीय संशोधन आणि उपचार प्रोटोकॉल पुरुष आणि स्त्रिया यांच्यातील जैविक आणि शारीरिक फरकांना जबाबदार धरण्यात अयशस्वी ठरतात, परिणामी चुकीचे निदान होते किंवा स्त्रियांसाठी अपुरे उपचार होतात. असे पूर्वाग्रह अपूर्ण किंवा चुकीच्या डेटावर आधारित धोरणे आणि निर्णयांवर आधारित लैंगिक असमानता टिकवून ठेवतात, स्टिरियोटाइपला बळकटी देतात, ज्यामुळे महिलांसाठी संधी मर्यादित होतात.
म्हणून, या डेटा प्रणालींना बळकट करणे आवश्यक आहे, जे जेंडर डेटा उपक्रमांसाठी पुरेशा निधीच्या अभावामुळे गंभीरपणे बाधित आहे. Data2X च्या ताज्या अहवालात ठळकपणे नमूद केले आहे की विद्यमान डेटामधील अंतर कमी करण्यासाठी कोर जेंडर डेटा प्रणालींना पुरेसा निधी देण्यासाठी 2030 पर्यंत वार्षिक US$ 500 दशलक्ष गुंतवणुकीची आवश्यकता आहे. ही रक्कम सध्याच्या रकमेच्या दुप्पट आहे, जे जेंडर डेटा वित्तपुरवठामधील गंभीर कमतरता अधोरेखित करते. शिवाय, PARIS21 सांख्यिकी 2022 च्या समर्थनावरील भागीदार अहवालात असे दिसून आले आहे की, 2011 आणि 2020 दरम्यान लैंगिक समानतेसाठी जागतिक समर्थन वाढले असताना, 2020 मध्ये जेंडर डेटा वित्तपुरवठासाठी समर्थन 55 टक्क्यांनी घसरले. ही घसरण एकूण निधीतील कपातीच्या तीन पटीने जास्त आहे. .
आकृती 2: जेंडर डेटासाठी निधीमध्ये घट
स्रोत: ओपन डेटा वॉच, 2022
जेंडर डेटाचे महत्त्व
SDG 5 साध्य करण्यासाठी जेंडर डेटाचे महत्त्व सर्वोपरी बनते, कारण लिंग समानता 10 इतर उद्दिष्टांना छेदते . जिथे प्रगती कमी आहे आणि जिथे गुंतवणूक आणि प्रकल्प लक्ष्यित करणे आवश्यक आहे अशा प्रमुख क्षेत्रांना ओळखण्यासाठी जेंडर डेटा महत्त्वपूर्ण आहे. जेंडर डेटा असल्याने SDG 5 साध्य करण्यासाठी आवश्यक मूलभूत ज्ञान मिळते, विशेषत : हवामान बदल आणि भू-राजकीय अशांतता यांसारख्या अतिव्यापी संकटांच्या वेळी. म्हणूनच, लैंगिक समानता आणि व्यापक SDG अजेंडाच्या दिशेने प्रगतीला गती देणारे प्रभावी, लक्ष्यित हस्तक्षेप तयार करण्यासाठी या अंतरांचे निराकरण करणे महत्त्वपूर्ण आहे.
हे देखील आढळले आहे की या असमानता दूर करण्यासाठी जेंडर डेटा प्रभावीपणे वापरला गेला असेल तर, आर्थिक परतावा भरीव असू शकतो.
असेही आढळून आले आहे की जर या लिंग डेटाचा प्रभावीपणे वापर या असमानतेवर लक्ष देण्यासाठी केला गेला तर आर्थिक फायदे प्रचंड आहेत. उदाहरणार्थ, वंचित महिलांपर्यंत पोहोचण्याची वार्षिक महसूल संधी केनियामध्ये 352 दशलक्ष अमेरिकन डॉलर्स ते बांगलादेशमध्ये सुमारे 1 अब्ज अमेरिकन डॉलर्सपर्यंत आहे. या डेटामध्ये लिंगविषयक माहिती नसताना वापरण्यात येणारी लक्षणीय क्षमता दर्शविली आहे.
हे पुनरुच्चार करते, की जेंडर डेटा गॅप संबोधित करणे ही केवळ समानतेची बाब नाही; हे देखील स्मार्ट अर्थशास्त्र आहे. जेंडर मुख्य प्रवाहात येणे—नीती विकासाच्या सर्व टप्प्यांमध्ये जेंडर दृष्टीकोन समाकलित करणे—हे सुनिश्चित करते की धोरणे अधिक प्रभावी आणि सर्वसमावेशक आहेत. जेव्हा जेंडर डेटाचा वापर धोरणात्मक निर्णयांची माहिती देण्यासाठी केला जातो, तेव्हा ते लक्ष्यित हस्तक्षेप तयार करण्यास सक्षम करते जे थेट स्त्रियांना भेडसावणाऱ्या गरजा आणि आव्हानांना संबोधित करतात. यामुळे संसाधनांचा अधिक कार्यक्षम वापर होतो आणि संपूर्ण समाजासाठी चांगले परिणाम होतात. उदाहरणार्थ, मॅकिन्सेच्या एका अभ्यासात असे आढळून आले आहे की महिलांच्या आरोग्यातील तफावत दूर केल्याने 2040 पर्यंत जागतिक अर्थव्यवस्थेला दरवर्षी US$ 1 ट्रिलियनची वाढ होऊ शकते. त्याचप्रमाणे, लिंग-समावेशक आर्थिक धोरणे महिलांच्या कर्मचाऱ्यांच्या सहभागाला चालना देऊ शकतात आणि आर्थिक वाढीस चालना देऊ शकतात.
पुढचा मार्ग
पुढे जाण्यासाठी, जेंडर डेटामधील तफावत दूर करण्यासाठी सर्वांगीण दृष्टीकोन आवश्यक आहे जो धोरण तयार करताना मजबूत, सर्वसमावेशक डेटा संकलन पद्धतींचा प्रभावीपणे वापर केला जाईल याची खात्री देतो. हे साध्य करण्यासाठी अनेक मुख्य क्रियांचा समावेश आहे:
१) जेंडर डेटा गॅप भरुन काढल्याने आवश्यक संसाधनांचे वाटप करण्यासाठी आंतरराष्ट्रीय देणगीदार, सरकार आणि खाजगी क्षेत्रातील भागधारकांकडून वचनबद्धता सुरक्षित करणे आवश्यक आहे. हे आर्थिक सहाय्य मजबूत जेंडर डेटा प्रणाली स्थापित करण्यासाठी आणि डेटा संकलनाचे निरंतर प्रयत्न सुनिश्चित करण्यासाठी महत्त्वपूर्ण आहे.
२) जेंडर डेटा संकलनाची गुणवत्ता आणि वारंवारता सुधारणे आवश्यक आहे. यामध्ये डेटा सर्व जेंडरचे अचूकपणे प्रतिनिधित्व करत असल्याची खात्री करण्यासाठी डेटा संकलन प्रक्रियेतील पूर्वाग्रहांना संबोधित करणे समाविष्ट आहे, अशा प्रकारे जेंडर-विशिष्ट समस्यांची व्यापक समज प्रदान करते.
३) जेंडर डेटाच्या प्रभावी वापरासाठी सरकार, एनजीओ, खाजगी क्षेत्रातील संस्था आणि आंतरराष्ट्रीय संस्था यांच्यात सहकार्य आवश्यक आहे. सर्वोत्कृष्ट पद्धती सामायिक करणे आणि सामूहिक कौशल्याचा लाभ घेणे जेंडर डेटा उपक्रमांचा प्रभाव लक्षणीयरीत्या वाढवू शकते आणि अधिक समावेशक डेटा संकलन पद्धतींना प्रोत्साहन देऊ शकते.
४) धोरणे सर्वसमावेशक आणि प्रभावी आहेत हे सुनिश्चित करण्यासाठी, धोरण विकासाच्या सर्व टप्प्यांवर लैंगिक दृष्टीकोन एकत्रित करणे आवश्यक आहे. लिंग-संवेदनशील धोरणनिर्मितीची ही वचनबद्धता निर्णयांची माहिती देण्यासाठी आणि सर्व जेंडरच्या विशिष्ट गरजा पूर्ण करणारे हस्तक्षेप तयार करण्यासाठी जेंडर डेटाच्या वापरावर अवलंबून आहे.
५) लिंग समानतेच्या आर्थिक फायद्यावर जोर दिल्याने स्टेकहोल्डर्सना जेंडर डेटा उपक्रमांमध्ये गुंतवणूक करण्यास प्रवृत्त करू शकते. जेंडर डेटामुळे सकारात्मक आर्थिक परिणाम मिळालेली यशस्वी उदाहरणे दाखवून जेंडर डेटामधील अंतर कमी करण्याचे मूर्त फायदे प्रदर्शित करू शकतात आणि पुढील गुंतवणुकीला प्रोत्साहन देऊ शकतात.
ही पावले उचलून, जेंडर डेटामधील सततची तफावत दूर करू शकतो. जेंडर डेटा गॅप भरुन काढल्याने अधिक प्रभावी धोरण तयार करणे शक्य होईल, लैंगिक समानतेमध्ये लक्षणीय प्रगती होईल आणि सर्वांसाठी अधिक न्याय्य भविष्याची निर्मिती करताना व्यापक सामाजिक आणि आर्थिक विकासाला हातभार लागेल.
शेरॉन सारा थवानी या ऑब्झर्व्हर रिसर्च फाउंडेशन, कोलकाता येथे संचालकांच्या कार्यकारी सहाय्यक आहेत.
The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.