जातीय जनगणना

जातीय जनगणना की आवश्यकता क्यों है?

• सामाजिक और आर्थिक असमानताओं की पहचान करना: जाति जनगणना समूहों में शिक्षा, आय और संसाधनों में अंतर को उजागर करती है।
  • उदाहरण के लिए, बिहार के सर्वेक्षण से पता चला कि OBC/EBC जनसंख्या का 63% हिस्सा हैं, लेकिन वे लगातार पिछड़ेपन का सामना कर रहे हैं।
• साक्ष्य-आधारित नीति निर्माण को सक्षम करना: सटीक डेटा वंचित जातियों के लिए लक्षित कल्याणकारी योजनाओं को डिजाइन करने में मदद करता है।
  • तेलंगाना ने अपने सर्वेक्षण का उपयोग BC आरक्षण बढ़ाने और उचित लाभ के लिए SC कोटा को उप-वर्गीकृत करने के लिए किया।
• पुराने जनसंख्या अनुमानों को अद्यतित करना: वर्तमान नीतियाँ वर्ष 1931 के जाति डेटा पर निर्भर करती हैं, जो अब जमीनी हकीकत को नहीं दर्शाती हैं।
  • बिहार ने खुलासा किया कि OBC संख्या पहले की अपेक्षा बहुत अधिक है, जिसने आरक्षण बहस को नया रूप दिया है।
• कल्याणकारी योजनाओं के वितरण में सुधार: जाति-स्तर, गाँव-स्तर के डेटा विकास कार्यक्रमों के सटीक कार्यान्वयन को सक्षम बनाते हैं।
  • BPL परिवारों को ₹2 लाख देने की बिहार की योजना इसके सर्वेक्षण निष्कर्षों से सूचित की गई थी।
• अंतर-समूह असमानताओं को संबोधित करना: सर्वेक्षण व्यापक समूहों के भीतर असमानताओं को उजागर करते हैं, जिससे निष्पक्ष आंतरिक आवंटन संभव होता है।
  • तेलंगाना ने सबसे अधिक हाशिए पर पड़ी जातियों को बेहतर ढंग से लक्षित करने के लिए SC कोटा को तीन समूहों में विभाजित किया।
• सकारात्मक कार्रवाई और सामाजिक न्याय को मजबूत करना: अद्यतित डेटा यह सुनिश्चित करता है कि आरक्षण और कोटा वर्तमान जातिगत वास्तविकताओं के साथ संरेखित हों।
  • कर्नाटक की रिपोर्ट ने उपेक्षित OBC वर्गों के लिए सबसे पिछड़ा वर्ग (Most Backward Classes- MBC) समूह बनाने का प्रस्ताव दिया।
• सार्वजनिक जागरूकता तथा राजनीतिक जवाबदेही को बढ़ावा देना: जातिगत डेटा प्रकाशित करने से सार्वजनिक बहस छिड़ती है और सरकारें सामाजिक समानता पर कार्य करने के लिए प्रेरित होती हैं।
  • बिहार के सर्वेक्षण ने यादव और कुर्मी जैसी OBC उप-जातियों के बीच राजनीतिक लामबंदी को बढ़ावा दिया।

जातीय जनगणना के नुकसान

• जातिगत विभाजन को मजबूत करना: जातीय जनगणना से जातिगत पहचान को समाप्त करने के बजाय उसे मजबूत करने का जोखिम है।
  • इस डेटा से जातिगत चेतना बढ़ सकती है तथा जाति आधारित पहचान पर अधिक जोर दिया जा सकता है, जिससे एकता के बजाय सामाजिक विभाजन को बढ़ावा मिलेगा।
• राजनीतिक दुरुपयोग और शोषण: राजनेता चुनावी लाभ के लिए जातिगत डेटा में हेर-फेर कर सकते हैं, जिससे वोट बैंक की राजनीति को बढ़ावा मिलता है।
  • उदाहरण के लिए, राजनीतिक दल उन समुदायों से समर्थन प्राप्त करने के लिए विशिष्ट समूहों के लिए आरक्षण या कोटा बढ़ाने की माँग करने के लिए जाति-आधारित डेटा का उपयोग कर सकते हैं।
• उप-जातियों के बीच तनाव का निर्माण: विस्तृत जाति डेटा बड़ी श्रेणियों के भीतर उप-जातियों के बीच असमानताओं को प्रदर्शित करके अंतर-जाति संघर्षों को बढ़ा सकता है।
  • तेलंगाना में, SC कोटे के भीतर उप-वर्गीकरण ने विभिन्न SC उप-जातियों के बीच तनाव पैदा किया, जिसमें कुछ ने लाभों के असमान आवंटन का दावा किया।
• कानूनी और संवैधानिक चुनौतियाँ: नया जातिगत डेटा आरक्षण सर्वोच्च न्यायालय द्वारा निर्धारित 50% सीमा से आगे बढ़ा सकता है।
  • उदाहरण के लिए, बिहार में आरक्षण सीमा को बढ़ाकर 65% करने के प्रस्ताव को पटना उच्च न्यायालय में चुनौती दी गई, साथ ही सर्वोच्च न्यायालय ने भी इसकी संवैधानिकता पर संदेह जताया।
• प्रशासनिक जटिलता: राष्ट्रीय स्तर पर जातिगत डेटा एकत्र करना और उसका प्रसंस्करण करना तार्किक रूप से चुनौतीपूर्ण है।
  • SECC, 2011 ने जातिगत नामों (46 लाख से अधिक भिन्नताओं के साथ) के प्रबंधन की कठिनाई को दर्शाया, जिससे डेटा वर्गीकरण और मानकीकरण में समस्याएँ पैदा हुईं।
• अनपेक्षित सामाजिक तनाव का जोखिम: जातिगत डेटा प्रकाशित करने से सामाजिक और अंतर-जाति तनाव उत्पन्न हो सकता है, जो राजनीतिक रूप से संवेदनशील है।
  • कर्नाटक में, जातिगत सर्वेक्षण के निष्कर्षों के कारण प्रमुख जातियों (वोक्कालिगा, लिंगायत) ने विरोध किया, जिन्होंने महसूस किया कि उनकी संख्या कम बताई गई थी, जिसके कारण नए सर्वेक्षणों की माँग हुई।
• लागत और वित्तीय बोझ: जाति जनगणना करना महंगा और संसाधन-गहन है, विशेषतः जब बड़े पैमाने पर राष्ट्रव्यापी सर्वेक्षण किए जाते हैं।
  • बिहार सर्वेक्षण, नीति निर्माण के लिए उपयोगी होने के बावजूद, इस पैमाने पर जातिगत डेटा संग्रह करने के वित्तीय बोझ को दर्शाता है।
• जटिल कार्यप्रणाली और डेटा संग्रह: राष्ट्रीय स्तर पर सटीक जातीय जनगणना करने की जटिलता में डेटा संग्रह, सत्यापन और वर्गीकरण में चुनौतियाँ शामिल हैं।
  • SECC, 2011 में डेटा सत्यापन तथा मानकीकरण में समस्याएँ आईं, जिससे विभिन्न समुदायों में जाति से संबंधित जानकारी को समेकित करना मुश्किल हो गया।
• डेटा असंगतताएँ और वर्गीकरण मुद्दे: क्षेत्रों में जाति के नाम और पहचान में काफी भिन्नता है, जिससे जाति श्रेणियों को मानकीकृत करना मुश्किल हो जाता है।
  • SECC, 2011 में, 46 लाख से अधिक जाति नाम भिन्नताएँ दर्ज की गईं, जिससे वर्गीकरण में असंगतताएँ पैदा हुईं और सटीक डेटा विश्लेषण में बाधा उत्पन्न हुई।
• नैतिक चिंताएँ और गोपनीयता संबंधी मुद्दे: जाति आधारित डेटा एकत्र करने से संवेदनशील जानकारी को कैसे संगृहीत, साझा और उपयोग किया जाता है, इस बारे में महत्त्वपूर्ण गोपनीयता चिंताएँ पैदा होती हैं।
  • डेटा के दुरुपयोग या जाति आधारित भेदभाव के डर से लोग अपनी जाति की सही रिपोर्ट करने से हतोत्साहित हो सकते हैं, जिससे जनगणना डेटा की अखंडता प्रभावित होती है।

क्या भारत में जाति अभी भी प्रासंगिक है?

• सामाजिक संदर्भ में जाति: जाति भारत के सामाजिक परिदृश्य में महत्त्वपूर्ण भूमिका निभाती है, जो आपसी वार्ता, विवाह और सामाजिक गतिशीलता को प्रभावित करती है।
  • जाति आधारित सजातीय विवाह मजबूत बना हुआ है, जिसमें 90% से अधिक विवाह जाति के भीतर होते हैं (राष्ट्रीय परिवार स्वास्थ्य सर्वेक्षण)।
  • ग्रामीण क्षेत्रों में, जातिगत नेटवर्क अभी भी नौकरियों, भूमि और शिक्षा तक पहुँच को नियंत्रित करते हैं।
• राजनीति में जाति: भारतीय राजनीति में जाति एक शक्तिशाली पक्ष बनी हुई है, जिसमें पार्टियाँ वोट हासिल करने के लिए जाति के आधार पर लामबंद होती हैं।
  • बिहार के जाति सर्वेक्षण से पता चला है कि OBC और EBC जनसंख्या का 63.13% हिस्सा बनाते हैं, जिससे आरजेडी और जेडी(यू) जैसे राजनीतिक दलों को समर्थन को मजबूत करने के लिए इन समूहों को शामिल करने के लिए प्रेरित किया गया।
• जाति के आधार पर आर्थिक असमानताएँ बनी: आर्थिक असमानताएँ जाति के साथ गहराई से जुड़ी हुई हैं। सकारात्मक कार्रवाई के बावजूद, SC, ST और OBC जैसे हाशिए पर पड़े समूह आर्थिक पिछड़ेपन का सामना करना जारी रखते हैं।
  • NFHS-4 के अनुसार, SC/ST समुदायों के परिवारों का प्रति व्यक्ति व्यय सामान्य जाति के परिवारों की तुलना में कम है, जो आर्थिक असमानता को दर्शाता है।
• जाति एवं शिक्षा: हाशिए पर पड़े समुदायों में शिक्षा के स्तर में वृद्धि के बावजूद, शिक्षा तक पहुँच में जाति आधारित भेदभाव अभी भी मौजूद है।
  • SECC, 2011 के डेटा और रिपोर्ट SC और ST के बीच कम साक्षरता दर और स्कूलों में उच्च ड्रॉपआउट दरों, विशेष रूप से ग्रामीण क्षेत्रों में, पर प्रकाश डालती हैं।
• शहरीकरण में जाति: घट रही है लेकिन अभी भी मौजूद: जबकि शहरी क्षेत्रों (विशेष रूप से आईटी और सेवा क्षेत्रों में) में जाति की भूमिका कम होती जा रही है, फिर भी यह आवास, नौकरियों और सामाजिक संबंधों को प्रभावित करती है।
  • शहरीकरण के बावजूद, हाउसिंग सोसायटी और कार्यस्थल भेदभाव अक्सर जाति आधारित पूर्वाग्रहों को दर्शाते हैं।
• जातिगत और सकारात्मक कार्रवाई: शिक्षा, रोजगार और राजनीति में आरक्षण जैसी सकारात्मक कार्रवाई नीति निर्माण में जाति केंद्रित बनी हुई है।
  • मंडल आयोग की सिफारिशों (1979) में OBC आबादी का अनुमान लगाने के लिए जाति आधारित आँकड़ों का प्रयोग किया गया था और यह आरक्षण प्रणाली को सूचित करता है।
• जाति आधारित और सामाजिक न्याय आंदोलन: दलित अधिकारों का समर्थन करने वाले आंदोलन (जैसे- अंबेडकरवादी बौद्ध धर्म या भीम आर्मी) सम्मान, समानता और न्याय के लिए अपनी लड़ाई में जाति पर जोर देते हैं।
  • 1970 के दशक में दलित पैंथर्स (महाराष्ट्र) और हाल ही में दलितों के नेतृत्व वाली राजनीतिक पार्टियाँ दर्शाती हैं कि जाति पहचान और सामाजिक न्याय की वकालत का एक मुख्य हिस्सा बनी हुई है।

भारत में जातीय जनगणना के संदर्भ में आगे की राह

• मानकीकरण और सुसंगत वर्गीकरण सुनिश्चित करना: SECC, 2011 जैसी समस्याओं से बचने के लिए, राज्यों में एकरूपता सुनिश्चित करने के लिए एक मानकीकृत राष्ट्रीय जाति सूची विकसित की जानी चाहिए।
  • भारत के महापंजीयक जाति श्रेणियों और उप-जातियों के लिए एक एकीकृत ढाँचा विकसित करने के लिए राज्य सरकारों के साथ काम कर सकते हैं।
• डेटा संग्रह को पारदर्शी और समावेशी बनाना: जातीय जनगणना को पक्षपात या हेर-फेर से बचने के लिए हाशिए पर पड़े समुदायों के साथ पर्याप्त परामर्श के साथ पारदर्शी तरीके से आयोजित किया जाना चाहिए।
• सटीक डेटा संग्रह और वर्गीकरण सुनिश्चित करने के लिए नागरिक समाज संगठनों, राजनीतिक दलों और स्वतंत्र विशेषज्ञों को शामिल करना।
• डेटा की गुणवत्ता और उचित सत्यापन सुनिश्चित करना: पिछले सर्वेक्षणों में डेटा की असंगतियों को देखते हुए, जाति डेटा को सटीक और दोहराव से मुक्त सुनिश्चित करने के लिए कठोर सत्यापन प्रक्रियाओं की आवश्यकता है।
  • जाति से संबंधित डेटा को सुसंगत बनाने के लिए मशीन लर्निंग एल्गोरिदम जैसी तकनीक का उपयोग करना।
• लक्षित नीति कार्यान्वयन के लिए डेटा का उपयोग करना: जातीय जनगणना को नीति-निर्माण को सीधे सूचित करना चाहिए, यह सुनिश्चित करके कि आरक्षण जैसी सकारात्मक कार्रवाई नीतियाँ वर्तमान और सटीक डेटा पर आधारित हैं।
  • कल्याणकारी योजनाओं, आरक्षण कोटा और विकास पहलों को परिष्कृत करने के लिए जाति आधारित डेटा का उपयोग करना, यह सुनिश्चित करते हुए कि सबसे वंचित समूहों को पर्याप्त समर्थन मिले।
• कानूनी और संवैधानिक स्पष्टता सुनिश्चित करना: विशेष रूप से आरक्षण नीतियों पर इसके प्रभाव के संबंध में जातीय जनगणना के लिए स्पष्ट कानूनी समर्थन होना चाहिए।
  • जनगणना अधिनियम (1948) में संशोधन करना या नया कानून पेश करना, जो संवैधानिक सीमाओं (जैसे 50% आरक्षण सीमा) का उल्लंघन किए बिना डेटा-संचालित शासन के लिए जातीय जनगणना को अनिवार्य बनाता है।
• राजनीतिक लाभ से अधिक सामाजिक न्याय पर ध्यान देना: जाति डेटा के राजनीतिक शोषण से बचने के लिए, जातीय जनगणना डेटा का उपयोग केवल सामाजिक न्याय तथा शासन उद्देश्यों के लिए किया जाना चाहिए, न कि वोट बैंक की राजनीति के लिए।
  • जाति आधारित डेटा के उपयोग की निगरानी के लिए एक गैर-पक्षपाती निकाय की स्थापना करना, यह सुनिश्चित करते हुए कि इसका उपयोग नीति विकास के लिए किया जाए, न कि राजनीतिक लाभ के लिए।
• जन जागरूकता और भागीदारी को मजबूत करना: जन जागरूकता अभियानों से यह सुनिश्चित होना चाहिए कि नागरिक जाति डेटा संग्रह के महत्त्व और गोपनीयता को समझें।
  • जातीय जनगणना की आवश्यकता को समझाने, दुरुपयोग के बारे में आशंकाओं को दूर करना तथा प्रक्रिया में व्यापक भागीदारी को प्रोत्साहित करने के लिए शैक्षिक कार्यक्रम आयोजित करना।

निष्कर्ष

आगामी वर्ष 2021 की जनगणना के लिए स्वीकृत जातीय जनगणना, डेटा-संचालित शासन के माध्यम से सामाजिक और आर्थिक असमानताओं को दूर करने की दिशा में एक ऐतिहासिक कदम है। यह अद्यतन जाति जनसांख्यिकी प्रदान करके, सकारात्मक कार्रवाई और लक्षित कल्याण को मजबूत कर सकती है, लेकिन इसकी सफलता जाति विभाजन या राजनीतिक दुरुपयोग को मजबूत करने से बचने के लिए पारदर्शी, मानकीकृत कार्यान्वयन पर निर्भर करती है।

DOWNLOAD PDF