बच्चे अचानक स्कूल नहीं छोड़ते। वे धीरे-धीरे छूटते हैं, और यह धीरे-धीरे वाला हिस्सा उसी डेटा में दिखता है जो स्कूल के पास पहले से है — एक पूरे टर्म तक लगातार गिरती उपस्थिति, फीस जिसका आना बंद हो गया, दो विषयों में फिसलते अंक, एक फ़ोन नंबर जो अब मिलता नहीं। इनमें से हर संकेत किसी अलग स्क्रीन पर, किसी अलग व्यक्ति के ज़िम्मे बैठा रहता है, और इन्हें एक साथ कोई नहीं देखता।
Dropout early warning pack हफ़्ते में एक बार इन्हें जोड़ता है और नतीजा principal के सामने रख देता है।
जोखिम स्कोर किन चीज़ों से बनता है
Scoring service चालू शैक्षणिक वर्ष के हर नामांकित छात्र के लिए पाँच तरह के संकेत पढ़ती है:
उपस्थिति का ढर्रा। सिर्फ़ ऊपरी प्रतिशत नहीं, बल्कि उसका पैटर्न — साल भर में दर किस दिशा में गई, और ग़ैरहाज़िरी गुच्छों में है या बिखरी हुई।
फीस भुगतान का इतिहास। बार-बार बकाया रह जाना स्कूल के पास मौजूद सबसे ईमानदार संकेतों में है, क्योंकि आर्थिक दबाव में आया परिवार आमतौर पर बच्चा भेजना बंद करने से पहले भुगतान बंद करता है।
शैक्षणिक प्रदर्शन। रिपोर्ट कार्ड में दर्ज नतीजे, एक झलक की तरह नहीं, प्रवृत्ति की तरह पढ़े जाते हैं।
व्यवहार संबंधी घटनाएँ। छात्र के नाम दर्ज रिकॉर्ड।
अभिभावक संपर्क का डेटा। स्कूल परिवार तक सचमुच पहुँच सकता है या नहीं। ग़ायब या बंद पड़ा नंबर अपने आप में एक जोखिम कारक है — और ऐसा जोखिम जिसे कोई भी स्वचालित संदेश-व्यवस्था पार नहीं कर सकती।
हर कारक 0 से 100 के स्कोर में योगदान देता है, और हर योगदान देने वाला कारक स्कोर के साथ ही लौटाया जाता है। यही आख़िरी बात इस नतीजे को काम लायक बनाती है: principal को “छात्र अ: 71” नहीं मिलता, बल्कि वे कारण मिलते हैं जिनसे 71 बना।
नियम-आधारित स्कोरिंग, black box मॉडल नहीं
इस बारे में सटीक रहना ज़रूरी है, क्योंकि इंडस्ट्री की शब्दावली अस्पष्ट है।
साप्ताहिक स्कैन जिस calculator को पढ़ता है वह नियम-आधारित भारित scoring engine है। तय नियम, तय भार, तय बैंड। यह कोई प्रशिक्षित सांख्यिकीय मॉडल नहीं है, इसने आपके स्कूल के पुराने नतीजों से भार सीखे नहीं हैं, और यह ऐसी भविष्यवाणी-सटीकता का दावा नहीं करता जिसे असल dropout के सामने मापा गया हो।
यह जान-बूझकर लिया गया रुख़ है, कोई अस्थायी व्यवस्था नहीं। नियम-आधारित स्कोर जाँचा जा सकता है — जो शिक्षक किसी फ़्लैग से असहमत हैं वे ठीक-ठीक देख सकते हैं कि कौन-सा नियम चला और उसे चुनौती दे सकते हैं। प्रशिक्षित मॉडल के स्कोर से स्टाफ़ मीटिंग में बहस नहीं की जा सकती, और जहाँ नतीजे का असर किसी बच्चे के साथ होने वाले बरताव पर पड़ता है, वहाँ यह असली कमी है, तकनीकी बारीक़ी नहीं।
Scoring का ढाँचा आगे कोई दूसरा algorithm चुनने की गुंजाइश रखता है। आज जो चल रहा है, वह यही heuristic वाला है।
जोखिम के बैंड और हर बैंड पर क्या होना चाहिए
स्कोर चार बैंड में बँटते हैं:
| स्कोर | बैंड | उचित प्रतिक्रिया |
|---|---|---|
| 0–24 | निम्न | कोई कार्रवाई नहीं; यह बैंड सिर्फ़ वितरण पढ़ने लायक बनाने के लिए है |
| 25–49 | मध्यम | Class teacher नोट करें; अगले महीने की उपस्थिति देखें |
| 50–74 | उच्च | इसी हफ़्ते परिवार को फ़ोन, किसी नामित व्यक्ति द्वारा |
| 75–100 | गंभीर | Counsellor या principal शामिल हों; इसे चालू मामला मानें |
पहला स्कैन चलने से पहले ही इन बैंड पर सहमति बना लेना ठीक रहता है। जिस स्कूल ने पहले से तय नहीं किया कि “उच्च” का मतलब किस पर क्या ज़िम्मेदारी है, उसे पहली सूची मिलेगी, थोड़ी देर घबराहट होगी, और फिर वह सूची फ़ाइल में चली जाएगी — early warning व्यवस्थाओं का आम अंजाम यही होता है।
रविवार रात का स्कैन और उसे कौन पाता है
Pack साप्ताहिक स्कैन चलाता है, default में रविवार 20:00 बजे स्कूल के अपने timezone में। दिन और घंटा, दोनों settings हैं। रविवार शाम इसलिए चुनी गई है कि सूची कामकाजी हफ़्ते की शुरुआत में तैयार मिले, बुधवार के बीचोंबीच न आए।
स्कैन एक स्कोर cut-off और एक अधिकतम संख्या लागू करता है — दोनों बदली जा सकती हैं — और principal के लिए एक digest बनाता है जिसमें चिह्नित छात्र, उनके कारण, और जब तक बंद न किया जाए तब तक सुझाए गए हस्तक्षेप रहते हैं।
Agent mode में pack एक क़दम और जाता है। तय SQL हर संभावित छात्र के पिछले तीस दिनों की उपस्थिति की प्रवृत्ति, फीस बकाया की गिनती, और पिछले दो परीक्षा टर्म के अंकों की प्रवृत्ति जोड़ता है। एक अकेला structured call हर छात्र के लिए जोखिम स्तर और एक छोटी तर्क-पंक्ति तय करता है, और pack हर चिह्नित छात्र के class teacher को ऐप के भीतर सूचना तथा principal को सारांश भेजता है। मॉडल तैयार किया हुआ सारांश पढ़ता है; वह छात्र के रिकॉर्ड से सीधे query नहीं करता।
फ़्लैग से हस्तक्षेप तक
फ़्लैग की गई सूची से लेकर छात्र को स्कूल छोड़ने से रोक लेने तक का पूरा सफ़र मानवीय प्रयास है, और यह व्यवस्था इस बारे में ईमानदार है।
यह जो कर सकती है, वह है फॉलो-अप को आसान बना देना। चूँकि फ़्लैग अपने कारणों के साथ आता है, परिवार से बातचीत किसी ठोस बात से शुरू होती है — “टर्म शुरू होने के बाद से रोहन ग्यारह दिन नहीं आया, घर पर सब ठीक है न?” वाला फ़ोन “हमने देखा कि वह एक सूची में है” वाले फ़ोन से बिलकुल अलग होता है।
जो यह जान-बूझकर नहीं करती, वह है अभिभावक को संदेश भेजना। परिवारों को कोई स्वचालित at-risk सूचना नहीं जाती, और यही सही default है। किसी अभिभावक को यह बताता हुआ संदेश कि उनका बच्चा dropout जोखिम में चिह्नित हुआ है, बिना किसी इंसानी आवाज़ के पहुँचे तो वह फ़्लैग के फ़ायदे से ज़्यादा नुक़सान करेगा। Pack स्टाफ़ को सूचित करता है। परिवार तक क्या पहुँचे, यह स्टाफ़ तय करता है।
जहाँ फ़्लैग फीस बकाया से बना है, वहाँ फीस फॉलो-अप pack अपनी समय-सारणी और अपनी लहजे की सीढ़ी पर वह बातचीत पहले से सँभाल रहा है। और जहाँ ग़ैरहाज़िरी से बना है, वहाँ उपस्थिति packs पहले से अभिभावक को सचेत कर रहे हैं। Dropout स्कैन वह परत है जो यह देखती है कि इनमें से कई चीज़ें एक ही बच्चे के साथ एक साथ हो रही हैं।
सटीकता की सीमाएँ और alert-only setting
दो ईमानदार सीमाएँ।
स्कोर उतना ही अच्छा है जितना आपका डेटा। जो स्कूल उपस्थिति अनियमित रूप से दर्ज करता है, या व्यवहार की घटनाएँ सिर्फ़ गंभीर मामलों में लिखता है, उसका स्कोर उसी चीज़ की ओर झुका रहेगा जिसे वह लगातार दर्ज करता है। व्यवहार में इसका मतलब यह होता है कि इस्तेमाल के पहले टर्म में फीस का इतिहास हावी रहता है, जिससे सूची defaulter सूची जैसी लगती है। उपस्थिति और शैक्षणिक डेटा जमा होते ही यह ठीक हो जाता है।
हस्तक्षेप सुझाव भर हैं। Pack में alert-only setting ठीक इसी वजह से है। यह चालू हो तो digest सिर्फ़ फ़्लैग और उसके कारण लेकर आता है, वहीं रुक जाता है। जो स्कूल अभी अपने threshold तय कर रहे हैं, या जिनके counsellor अपनी राय ख़ुद बनाना पसंद करेंगे, उन्हें alert-only mode में चलाना चाहिए और सुझाव बाद में चालू करने चाहिए — या न भी करें।
दोनों settings pack के बाक़ी thresholds के साथ ही रहती हैं, उन सुरक्षा-दीवारों के साथ जिनका वर्णन School Autopilot: बिना आपके चलने वाला काम में है।