ISSN (Print) - 0012-9976 | ISSN (Online) - 2349-8846

ભારતના ગુનાહિત ગુનાના આંકડા

આપણા ગુનાના આંકડાને વિશ્વસનીય બનાવવા માટે આપણે શું જાણવું જરૂરી છે?

 

The translations of EPW Editorials have been made possible by a generous grant from the H T Parekh Foundation, Mumbai. The translations of English-language Editorials into other languages spoken in India is an attempt to engage with a wider, more diverse audience. In case of any discrepancy in the translation, the English-language original will prevail.

 

નેશનલ ક્રાઇમ રેકોર્ડ્સ બ્યુરો (એનસીઆરબી)ના આંકડાઓની વિશ્વસનીયતા પર આ દેશમાં બારમાસી શંકાના વાદળો ઘેરાયેલા રહે છે. ખાસ કરીને 1990ના દાયકાના ઉત્તરાર્ધથી, જ્યારે પ્રતિ લાખની સંખ્યામાં ગુનાખોરીની ઘટનાના ઘટતા વલણો જોવા મળ્યા ત્યારથી. એનસીઆરબીના ક્રાઇમ ઈન ઈન્ડિયા 2017ના તાજેતરમાં રજૂ થયેલા આંકડાઓ આ અવિશ્વાસમાં માત્ર વધારો કરે છે. પહેલી વાત તો એ કે, રિપોર્ટના પ્રકાશનના સમયને લીધે, જે, લગભગ છ દાયકાઓથી એનસીઆરબીની વાર્ષિક પ્રકાશનની પરંપરાગત પ્રથાને અનુસરતા આ આંકડાઓ  2017માં પ્રકાશિત થવા જોઈએ. બીજું, 2017 ના વાર્ષિક ગુનાના આંકડા જાહેર કરવાના અંતરાલમાં, બ્યુરો આ અયોગ્ય વિલંબના કારણોમાં માહિતીના અધિકાર હેઠળની અરજીઓના પ્રતિસાદને આપે છે જે ગળે ઉતરે તેવો નથી. પ્રથમ બે કારણોના આધારે ત્રીજું એ કે - તે અસામાન્ય લાગે છે કે અડધા દાયકાની અંદર ગુનાના દરમાં આશ્ચર્યજનક 33%નો ઘટાડો થયો છે, જે વર્ષ 2010માં  576.99 થી ઘટીને 2017માં 388.6 થઈ ગયો. ઘણાને આ તારણ પાયાહીન લાગે છે. એક સાહજિક દલીલ એ છે કે ન તો વર્તમાન વસ્તી વિષયક સંક્રમણ કે આર્થિક પરિવર્તન આવા ઘટાડા માટે અનુકૂળ પરિસ્થિતિઓ પ્રદાન કરતું હોય એવું પણ લાગતું નથી.

જોકે, ભારતમાં ગુનાખોરીમાં ઘટાડો, “ક્રાઇમ ડ્રોપ” ના વૈશ્વિક વલણને અનુલક્ષીને છે - જે મોટાભાગે 1990ના દાયકાથી ઔદ્યોગિક દેશોમાં જોવા મળે છે, જોકે એ તો દસ્તાવેજી પુરાવા સાથેનો હોવાની સાથે તેની ઘણી ચર્ચાઓ પણ થઈ છે. આવા ગુનાખોરીમાં ઘટાડાના આંકડાઓની સચોટતા અંગે સંમતિ (અથવા તેનો અભાવ) સામાન્ય રીતે અન્ય ડેટા સ્રોતો (જેમ કે યુનાઇટેડ નેશન્સ ઇન્ટરરિજનલ ક્રાઇમ એન્ડ જસ્ટિસ રિસર્ચ ઇન્સ્ટિટ્યૂટ્સ ઇન્ટરનેશનલ ક્રાઇમ વિક્ટીમ્સ સર્વે (આઇસીવીએસ) વગેરેના અનુમાન દ્વારા પુરી પાડવામાં આવે છે. આમાંના મોટાભાગના દેશોમાં રેટિફિકેશનની પ્રક્રિયા, શૈક્ષણિક વાર્તાલાપો દ્વારા એક ડગલું આગળની હોય છે. ભારતના કિસ્સામાં વૈકલ્પિક બેંચમાર્કની અછતને કારણે સીઆઈઆઈએલ ગુનાના અધિકૃત આંકડાઓની અન્ય બેંચમાર્કથી એકદમ પ્રાથમિક ખરાઇ પણ નબળી પડે છે. જે કંઇ અલ્પ ઉપલબ્ધ હતું, જેમ કે 1992માં માત્ર આઇસીવીએસ, દ્વારા યોજાયેલા તે વર્ષના ગુના દરના અધિકૃત અંદાજોની તુલના કરતા ઉંચા પ્રમાણમાં ગુનાખોરીનો અંદાજ બનાવવામાં આવ્યો હતો.

જો કે, ભારતમાં ગુનાખોરી દરના નીચા વલણને જો કોઈ કારણદર્શક માળખામાં જોવામાં આવે તો થોડુક કામ થઈ શકે છે, ખાસ કરીને “સિક્યોરિટી હાઇપોથિસિસ”ને ધ્યાનમાં રાખીને, સુરક્ષાની જોગવાઈઓની ગુણવત્તા અને માત્રામાં ફેરફાર સંભવિત ગુનાઓના ઘટાડા તરફ દોરી જાય છે અને તેનો અંદાજ ભારતના ઉભરતા ઇલેક્ટ્રોનિક સિક્યોરિટી માર્કેટને ધ્યાનમાં રાખીને, 2020 સુધીમાં વધીને 2.4 અબજ ડોલર થવાની સંભાવના છે. તેનો વૃદ્ધિ દર વર્ષ 2017 થી 2023 ની વચ્ચે અંદાજિત 32% અંદાજવામાં આવ્યો છે. પરંતુ, એનસીઆરબીના ગુનાના આંકડાઓનું અર્થઘટન કરવા માટે આ કાલ્પનિક માળખાની વિચારણામાં અમુક મુશ્કેલીઓ સમાયેલી છે. પ્રથમ, જ્યારે ટેક્નોલોજીની આગેવાની હેઠળની સુરક્ષા ઘરફોડ ચોરી, કાર ચોરી, શેરી અપરાધો વગેરે જેવા હસ્તગત ગુનાઓ (પરંપરાગત)માં ઘટાડો કરી શકે છે, પરંતુ તે નવા પ્રકારની ગુનાઓ માટેની તકો પણ ખોલી આપે છે. જેમ કે સાયબર ચોરી જે એક જ ટેકનોલોજીનો ઉપયોગ કરે છે. તો પછી, શું એનસીઆરબીના અહેવાલમાં સાયબર ગુનાઓની પ્રમાણમાં ઓછી સંખ્યા એ કેટલીક કાર્યવાહીગત ભૂલની બાબત છે? બીજું કે જો ટેકનોલોજી આધારિત સર્વેલન્સ સામાન્ય રીતે હિંસક ગુનાઓની તકોમાં ઘટાડો કરે છે, તો પછી તે વસ્તીના છેવાડાના વર્ગો જેવા કે મહિલાઓ, અનુસૂચિત જાતિ (એસસી) અને અનુસૂચિત જનજાતિ (એસટી) માટે કેમ લાગુ પડતું નથી? અથવા, મહિલાઓ, એસસી અને એસટી માટેના ગુના દરમાં વર્ષ-પ્રતિ-વર્ષ વધારો કેમ જોવા મળે છે. તો શું જાગૃતિ અને આવા ગુનાઓની જાણ કરવાનું ટેકોનોલોજી આધારિત સુરક્ષા દ્વારા પ્રભાવિત છે? જો એમ હોય, તો પછી, તાર્કિક રૂપે, મોબ લિંચિંગ પરનો ડેટા પણ આ અહેવાલનો એક ભાગ હોવો જોઈએ.

મોબ લિંચિંગની વ્યાખ્યાની ગેરહાજરીને લઈને પોલીસ મથકોમાંથી મળેલા લિંચિંગ ડેટાની અવિશ્વસનીયતા અંગેના સરકારના દાવાને નકારી કાઢવાનું અઘરૂ થઈ પડે છે, વળી એનસીઆરબીના જુના કેસોમાં રિક્લાસિફિકેશન અને નવા કેસોમાં ક્લાસિફિકેશનમાં તેની ઘટતી વિશ્વસનીયતાને ખાળવી પણ એટલી જ મુશ્કેલ છે. દાખલા તરીકે, "રાષ્ટ્ર વિરોધી તત્વો દ્વારા ગુનાઓ"ની નવી કેટેગરી. "રાષ્ટ્રવિરોધી વિરોધી" શબ્દો માટેની કોઈ નક્કર સમજૂતી વિના, આવું વર્ગીકરણ કાયદાકીય રીતે અવ્યાખ્યાયિત બાબતમાં આવે છે. ડેટાના આવા પસંદગીયુક્ત અને સિધ્ધાંતિક સમાવેશને જોતાં, એવું માનવું ખોટું નથી કે ભારતમાં અધિકૃત ગુનાના ડેટા રાજકારણ પ્રેરિત છે.

આ સંદર્ભમાં, ભારતમાં ગુનાઓના ઘટાડાની વિશ્વસનીયતા વિશેની આશંકા મજબુત બને છે, કારણ કે કોઈ પણ એ હકીકતને અવગણી શકે નહીં કે આ આંકડા ક્રિમિનલ જસ્ટિસ સિસ્ટમ, ખાસ કરીને પોલીસ દળના પ્રભાવક પરિમાણની રચના કરે છે. આમ, મંત્રાલયોની તર્જ પર અન્ડર-રિપોર્ટિંગને વેગ આપે છે. સામાન્ય લોકોની અપેક્ષા અને ગુનાખોરીના ડેટાની સમજ પણ આનાથી અલગ કહેતી નથી. આપણે એ હકીકતની અવગણના કરીએ છીએ કે ગુનાખોરીમાં સામાજિક-આર્થિક પરિબળો એટલા જ કામ કરે છે જેટલા રાજકીય અને ક્રિમિનલ જસ્ટિસ સિસ્ટમ કામ કરે છે. દાખલા તરીકે, ડેમોગ્રાફિક પ્રોફાઇલને બદલીને ગુનાના સ્તર, દરો અને ગુનાઓના સ્વરૂપમાં પણ નોંધપાત્ર પરિવર્તન લાવી શકાય છે. આ સંદર્ભમાં, અધિકૃત નીતિઓનું વધુ સર્વગ્રાહી મૂલ્યાંકન કરવું આવશ્યક છે. અને તે, વ્યક્તિઓની ક્ષમતાઓ પરની તેમની અસરની દ્રષ્ટિએ અને બદલામાં, ગુનાની ઘટનાઓને અટકાવીને થવું રહ્યુ. આવા સંજોગોમાં, જો આપણે ગુનાહિત ન્યાય પ્રણાલીની એક્ઝિક્યુટિવ બ્રાન્ચને દોષી ઠેરવવા અને નિંદા કરવાના એકમાત્ર સાધન રૂપે ગુનાના આંકડાને જોવાનું ચાલુ રાખીએ, તો આપણે માથે લોકોના સશક્તિકરણ સાથે સંબંધિત અને શાસનના કેટલાક મહત્ત્વપૂર્ણ મુદ્દાઓને જોવાની દૃષ્ટિ ગુમાવી દેવાનું જોખમ વધી જશે.

તદુપરાંત, અધિકૃત રીતે પ્રદર્શનના મૂલ્યાંકન માટે યાર્ડસ્ટિક પર ગુનાના આંકડા ઘટાડીને, આપણે ખરેખર એવી માનસિકતાને બહાલી આપી રહ્યા છીએ કે આ સંખ્યાઓ તેમના ઉત્પાદકો માટે સૌથી વધુ સુસંગતતા છે. તેથી, સરકાર તેના ગુનાખોરીના ડેટાના ક્રોસ-ચેકિંગ માટેના ક્રાઇમ વિક્ટીમાઇઝેશન સર્વે જેવા વૈકલ્પિક ડેટાબેસની પ્રવૃત્તિને નકારી શકે, વિલંબિત અથવા નિયંત્રણ કરી શકે. આ તકે બે બાબતો યાદ રાખવી ઘટે. પ્રથમ, તે સરકારનો શાસન માટેનો અમલ, જે તેના ડિસિજન મેકિંગ માટેનો આધાર બનીને ડેટાના નિર્માણ માટેનો તર્ક આપે છે. બીજું, તે આ ડેટાની ગુણવત્તા છે જે નિર્ધારિત કરે છે કે આકસ્મિક મુદ્દા વિશે આપણે જે જાણીએ છીએ તેને અલગ સ્વરૂપ આપીને કેવી રીતે નિર્ણયો લેવામાં આવે છે. આ રીતે, વૈકલ્પિક ડેટાબેસ માટે દબાણ ઉભુ કરતી વખતે, આપણે ધ્યાનમાં રાખવું જોઈએ કે આનો હેતુ ફક્ત અસ્તિત્વમાં રહેલા ગુનાખોરીના અંદાજને નબળા કરવા પુરતો સીમિત કરવામાં નહી, પરંતુ તે સમજવા માટે કે તે વાસ્તવમાં નબળો ડેટા છે, અને વર્તમાન ડેટા શા માટે અને કેટલો નબળો છે તે સમજવા માટે છે.

Comments

(-) Hide

EPW looks forward to your comments. Please note that comments are moderated as per our comments policy. They may take some time to appear. A comment, if suitable, may be selected for publication in the Letters pages of EPW.

Back to Top