యుఎస్ ఎన్విరాన్మెంటల్ ప్రొటెక్షన్ ఏజెన్సీ (ఇపిఎ) ఎయిర్ క్వాలిటీ మానిటర్లు ప్రధానంగా తెల్లటి పరిసరాల్లో అసమానంగా ఉన్నాయి, ఉటా పరిశోధన విశ్వవిద్యాలయం ప్రకారం. ఆరు ప్రధాన కాలుష్య కారకాలలో, ముఖ్యంగా సీసం మరియు సల్ఫర్ డయాక్సైడ్లలో రంగు సమాజాలలో గాలి నాణ్యతను సంగ్రహించడంలో EPA యొక్క నెట్వర్క్ స్థిరంగా విఫలమైంది, తరువాత ఓజోన్ మరియు కార్బన్ మోనాక్సైడ్.
కాలుష్య తగ్గింపు, పట్టణ ప్రణాళిక మరియు ప్రజారోగ్య కార్యక్రమాల గురించి కీలకమైన డేటా సోర్స్ డ్రైవింగ్ నిర్ణయాలు EPA రెగ్యులేటరీ మానిటర్లు. సమాన మానిటర్ పంపిణీ లేకుండా, డేటా కాలుష్య సాంద్రతలను తప్పుగా సూచిస్తుంది, అట్టడుగు సమూహాలను ప్రమాదంలో ఉంచుతుంది.
“ఇది ప్రశ్న వెనుక ఉన్న ప్రశ్న. పరిశోధకులు, విధాన రూపకర్తలు, మనమందరం గాలి నాణ్యత డేటాను ఉపయోగిస్తాము, కాని ఇది ఎవరి గాలిని కొలుస్తుంది?” U వద్ద డాక్టరల్ విద్యార్థి మరియు అధ్యయనం యొక్క ప్రధాన రచయిత బ్రెన్నా కెల్లీ అన్నారు. “ఈ డేటా నిజంగా అధిక నాణ్యతతో ఉన్నప్పటికీ, ఇది అందరికీ అధిక నాణ్యత అని కాదు.”
అట్టడుగు వర్గాలకు వాయు కాలుష్యానికి అత్యధిక రేట్లు ఉన్నాయని పరిశోధనలో తేలింది, కాని డేటా అన్ని పొరుగు ప్రాంతాలను సమానంగా సూచిస్తుందని అధ్యయనాలు భావించాయి. ఈ అధ్యయనం పొరుగువారి స్థాయిలో, మన జనాభా లెక్కల సమూహాలందరికీ మానిటర్లలోని అసమానతలను అంచనా వేసిన మొదటిది. అన్ని తెల్లవారు కాని సమూహాలకు అసమానతలు ఉన్నప్పటికీ, అతిపెద్దది స్థానిక హవాయియన్లు మరియు ఇతర పసిఫిక్ ద్వీపవాసులకు, తరువాత అమెరికన్ ఇండియన్ మరియు అలాస్కా స్థానిక జనాభా.
వాయు నాణ్యత పరిశోధన మరియు విశ్లేషణలకు తరచుగా డేటా యొక్క భారీ పరిమాణాలను ప్రాసెస్ చేయడానికి కృత్రిమ మేధస్సు (AI) సాధనాలు అవసరం. AI అల్గోరిథంలలో పక్షపాతం బాగా తెలిసినప్పటికీ, ఈ అధ్యయనం పెద్ద-డేటా వినియోగదారులకు మరొక నైతిక సమస్యను వివరిస్తుంది-డేటాసెట్లు స్వయంగా అంతర్గతంగా పక్షపాతంతో ఉండే అవకాశం.
“కేవలం ఒక రకమైన మానిటర్కు అసమానత ఉంటే, అది ప్రమాదవశాత్తు లేదా పేలవమైన రూపకల్పన కావచ్చు” అని యు యొక్క వన్-యు బాధ్యతాయుతమైన AI చొరవ యొక్క భౌగోళిక అసోసియేట్ ప్రొఫెసర్ మరియు ఎగ్జిక్యూటివ్ కమిటీ సభ్యుడు కోఅథర్ సైమన్ బ్రూవర్ అన్నారు. “అన్ని కాలుష్య కారకాలలో ఇది స్థిరమైన నమూనా అనే వాస్తవం నిర్ణయాత్మక ప్రక్రియను జాగ్రత్తగా చూడవలసిన అవసరం ఉందని సూచిస్తుంది-ఈ మానిటర్లు సమానంగా పంపిణీ చేయబడవు.”
ఈ అధ్యయనం జర్నల్లో ప్రచురించబడింది జామా నెట్వర్క్ ఓపెన్ డిసెంబర్ 4, 2024 న.
గాలి నాణ్యత హైపర్లోకల్ మరియు వీధి నుండి వీధికి గణనీయంగా మారవచ్చు. రచయితలు మానిటర్ స్థానాలు మరియు పొరుగువారి జనాభాను సెన్సస్-బ్లాక్ స్థాయికి మ్యాప్ చేశారు, ఇది నివాస నమూనాల కోసం యుఎస్ సెన్సస్ బ్యూరో యొక్క అతిచిన్న యూనిట్లలో ఒకటి. EPA ఎయిర్ క్వాలిటీ సిస్టమ్ రెగ్యులేటరీ మానిటరింగ్ రిపోజిటరీని ఉపయోగించి, వారు మానవ ఆరోగ్యానికి ప్రమాదకరమైన ఆరు ప్రధాన వాయు కాలుష్య కారకాలకు మానిటర్లను గుర్తించారు – సీసం, ఓజోన్, నత్రజని డయాక్సైడ్, సల్ఫర్ డయాక్సైడ్, కార్బన్ మోనాక్సైడ్ మరియు కణ పదార్థాలు. వారు దేశంలోని ప్రతి జనాభా లెక్కల-బ్లాక్ కోసం జాతి మరియు జాతి కూర్పును అంచనా వేయడానికి 2022 అమెరికన్ కమ్యూనిటీ సర్వే జనాభా గణనను ఉపయోగించారు. జనాభా పరిమాణం కోసం సర్దుబాటు చేస్తూ, పరిశోధకులు ప్రతి ప్రమాణాల కాలుష్య కారకానికి దైహిక పర్యవేక్షణ అసమానతలను కనుగొన్నారు. తెలుపు హిస్పానిక్ కాని జనాభాకు సంబంధించి, అన్ని సమూహాలు తక్కువ సీసం, ఓజోన్, నత్రజని డయాక్సైడ్ మరియు రేణువుల పదార్థ మానిటర్లతో సంబంధం కలిగి ఉన్నాయి.
జనాభా ఆరోగ్య శాస్త్రాలలో తన డాక్టరల్ పరిశోధనలను కొనసాగిస్తూ, గర్భిణీ ప్రజలకు వాయు కాలుష్యం బహిర్గతం చేసే నష్టాలపై దృష్టి సారించి, కెల్లీ EPA యొక్క వాయు నాణ్యత పర్యవేక్షణ నెట్వర్క్ గురించి ఆసక్తిగా ఉంది. ఎపిడెమియాలజీ పరిశోధన జనాభాలో వ్యాధులకు దోహదపడే అంశాలను గుర్తిస్తుంది. ఇప్పటి వరకు, డేటా ప్రతిచోటా గాలి నాణ్యత సమస్యలను సమానంగా సూచిస్తుందని అంతర్లీన umption హ ఉంది, ఆమె వివరించారు.
“ఇది మేము ఒక సమూహానికి ఒక కాలుష్య రకాన్ని కోల్పోతున్నారని కాదు, ఈ సమూహాలన్నింటికీ మేము అన్నింటికీ తక్కువ అర్థం చేసుకున్నాము. ఇది సంబంధించినది” అని కెల్లీ చెప్పారు. “నేను ఒక వ్యాధికి వాయు కాలుష్య బహిర్గతం గురించి వివరించాలనుకుంటే, నేను దానిని బాగా కొలవాలి. ఒక సమూహానికి గాలి నాణ్యతపై నాకు మంచి అవగాహన ఉంటే, అది పక్షపాత ఫలితాలను ఇవ్వబోతోంది.”
గాలి నాణ్యత మరియు జనాభా ఆరోగ్యం పెద్ద డేటా మరియు AI ని బాధ్యతాయుతంగా ఉపయోగించడం యొక్క సవాళ్లతో పట్టుకునే అనేక రంగాలలో రెండు మాత్రమే. వన్-యు బాధ్యతాయుతమైన AI చొరవ ఏమిటంటే, ఉత్తమ పద్ధతులను అభివృద్ధి చేయడానికి నిపుణులను ఒకచోట చేర్చడానికి U యొక్క ఇటీవలి ప్రయత్నం.
“ఈ అధ్యయనం పెరుగుతున్న డేటా-ఆధారిత సమాజంలో చాలా సందర్భోచితంగా ఉంటుంది. బాధ్యతాయుతమైన AI చొరవ యొక్క లక్ష్యాలలో ఒకటి కృత్రిమ మేధస్సు పద్ధతుల యొక్క సరసమైన అనువర్తనాన్ని అధ్యయనం చేయడం” అని బ్రూవర్ చెప్పారు. “మా ఫలితాలు డేటాలోని పక్షపాతం ఏదైనా అల్గోరిథమిక్ పక్షపాతంతో పరిగణించటం చాలా ముఖ్యం అని సూచిస్తున్నాయి.”
ఇతర రచయితలలో యూనివర్శిటీ ఆఫ్ ఉటా పరిశోధకులు జనాభా ఆరోగ్య శాస్త్రాల యొక్క ట్రేసీ వన్గా, స్కూల్ ఆఫ్ ఎన్విరాన్మెంట్, సొసైటీ అండ్ సస్టైనబిలిటీకి చెందిన థామస్ కోవా మరియు ప్రసూతి మరియు గైనకాలజీ విభాగాల మిచెల్ డెబ్బింక్ ఉన్నాయి.