Decoding Hate
COVID-19 के दौरान घृणा-जनित घटनाओं के व्यक्तिगत अनुभवों की एक झलक
COVID-19 के प्रकोप के बाद, Asian Americans और Pacific Islanders (AAPIs) के खिलाफ़ घृणा-प्रेरित घटनाओं में बढ़ोतरी हुई। इनमें से कुछ घटनाओं को समाचारों में जगह मिली, लेकिन हज़ारों लोग राष्ट्रीय रिपोर्टिंग केंद्र Stop AAPI Hate में रिपोर्ट दर्ज करा रहे थे, जो अनुसंधान, वकालत और क्षमता-निर्माण के माध्यम से घृणा-आधारित घटनाओं पर प्रतिक्रिया देता है और उनका समाधान करता है। इसी दौरान, The American Asian Foundation (TAAF) की स्थापना हुई। यह संगठन उस टीम के पीछे प्रेरक शक्ति बना, जिसने यह तय किया कि X का उपयोग करके इस बात पर एक नई झलक दी जाए कि ये घटनाएँ निशाना बनाए गए लोगों को व्यक्तिगत रूप से कैसे प्रभावित कर रही हैं।
दो इंजीनियरों की छोटी-सी टीम ने घटना-संबंधी डेटा के स्रोत के रूप में X का सहारा लिया। उन्होंने इस प्लेटफ़ॉर्म को दो कारणों से चुना: पहला, इसमें समाचार, लोगों के विचार, दैनिक जीवन की घटनाएँ और उनके समुदायों में हो रही गतिविधियों जैसी समृद्ध और विविध जानकारी मिलती है। इसी वजह से, X विभिन्न आबादियों की एक अनोखी और नज़दीकी झलक प्रदान करता है। X एकमात्र ऐसा प्लेटफ़ॉर्म भी था जिसका API वास्तव में खुला था, जिससे TAAF के डेवलपर डेटा तक पहुँच सकते थे, और जिसमें उस डेटा को एकत्रित करने तथा उसका विश्लेषण करने के लिए उन्नत टूल्स उपलब्ध थे।
X API v2 search Tweets और Tweets lookup endpoints का उपयोग करके, टीम पोस्ट्स की स्थिति खोज सकी और यह पहचान सकी कि लोग कब किसी घृणा-घटना की रिपोर्ट कर रहे थे (यहाँ तक कि वे कौन-से hashtags इस्तेमाल कर रहे थे)। इससे टीम को 1023-वर्णों की एक search query तैयार करने में मदद मिली, जिसने अरबों पोस्ट्स को घटाकर इतनी मात्रा में ला दिया कि टीम उस पर काम कर सके।
इसके बाद अगला काम यह सत्यापित करना था कि ये पोस्ट्स वास्तव में घृणा-घटनाओं के बारे में ही थे। टीम ने natural language processing की मदद से एक टूल विकसित किया, ताकि हज़ारों पोस्ट्स में से परियोजना से संबंधित पोस्ट्स छांटे जा सकें। अपने प्रशिक्षित machine learning model को लागू करने के बाद, सटीकता को और बढ़ाने के लिए इन पोस्ट्स का फिर मानव द्वारा सत्यापन किया गया।
2021 में, TAAF ने Stop AAPI Hate coalition के साथ मिलकर Documenting Anti-AAPI Hate Codebook का सह-लेखन भी किया। इस संसाधन में समुदाय-आधारित डेटा संग्रह के लिए प्रारूप मानक और कार्यप्रणालियाँ शामिल हैं, जिन्होंने X पर लोग जिन घटनाओं को साझा कर रहे थे, उन्हें वर्गीकृत करने में टीम की मदद की।
इसके बाद अगली चुनौती इस डेटा को इस तरह प्रस्तुत करना था कि लोग उसे आसानी से समझ सकें। TAAF ने Decoding Hate नाम का एक data visualization tool बनाया, जो उनके विशाल डेटा को इंटरैक्टिव रूप में प्रदर्शित करता है। एक data visualization studio की मदद से, वे annotate किए गए X डेटा का उपयोग करके हज़ारों पोस्ट्स को ऐसी अर्थपूर्ण कहानियों में बदल सके, जो AAPI समुदायों के भीतर वास्तव में क्या हो रहा था, इसकी सच्चाई उजागर करती हैं।
Decoding Hate प्रोजेक्ट ने नफ़रत से जुड़ी हज़ारों ऐसी घटनाओं का पता लगाने में मदद की, जिनकी अन्यथा रिपोर्ट ही नहीं हो पाती, और आज भी यह काम जारी है। यह प्रोजेक्ट AAPI समुदाय के भीतर लोगों के व्यक्तिगत अनुभवों के बारे में जागरूकता फैलाने का एक सतत माध्यम बन गया है।
काम के अगले चरण में, TAAF, Stop AAPI Hate के साथ साझेदारी कर X पर नफ़रत से जुड़ी घटनाओं की रिपोर्ट करने वाले लोगों को व्यक्तिगत मानवीय रिस्पॉन्स देने की एक पायलट पहल शुरू करेगा। इस चरण के दौरान, Stop AAPI Hate उन कई लोगों के साथ सक्रिय रूप से जुड़ाव करेगा जो अपने साथ हुए नफ़रतपूर्ण अनुभवों पर चर्चा करते हुए पोस्ट्स भेज रहे हैं, और उन्हें Stop AAPI Hate Reporting Center के माध्यम से इन घटनाओं की रिपोर्ट करने के लिए प्रोत्साहित करेगा। जितने अधिक लोग Stop AAPI Hate को रिपोर्ट करेंगे, उतना ही बेहतर यह गठबंधन और उसके साझेदार हो रही नफ़रत संबंधी घटनाओं की प्रकृति को समझ पाएंगे और सबसे प्रभावी नीतिगत समाधानों की वकालत कर पाएंगे।
AAPI समुदायों में हो रही नफ़रत से जुड़ी घटनाओं को उजागर करने के साथ-साथ, यह प्रोजेक्ट X के API के महत्व पर भी प्रकाश डालता है। यह उदाहरण दिखाता है कि सही टूल्स के साथ सही डेटा का उपयोग करके, डेवलपर्स एक अच्छे उद्देश्य के लिए X का इस्तेमाल कर नवाचार कर सकते हैं।