डेटा कॉमन्स और डेटा शासन

डिजिटल जीवन से भारी मात्रा में डेटा उत्पन्न होता है, जिसका अधिकांश हिस्सा कुछ ही प्लेटफ़ॉर्म कंपनियों या सरकारी एजेंसियों द्वारा एकत्र और नियंत्रित किया जाता है। डेटा शासन यह पूछता है कि डेटा कैसे एकत्र किया जाए, उस तक पहुँच कैसे दी जाए, उसे कैसे साझा और उपयोग किया जाए—इन बातों का निर्णय कौन करता है, और इससे किसे लाभ होता है। डेटा कॉमन्स इस प्रश्न का सामूहिक उत्तर देता है: डेटा को एक समुदाय द्वारा साझा रूप से एकत्र किया जाता है और उन नियमों के अनुसार उसकी देखरेख की जाती है, जिन्हें बनाने में उसके सदस्य भाग लेते हैं।

यह विचार कॉमन्स के अध्ययन को जंगलों, मत्स्य संसाधनों और सिंचाई से आगे बढ़ाकर सूचना तक ले जाता है। यह तीन समस्याओं का जवाब देता है: डेटा से उत्पन्न आर्थिक मूल्य का कुछ ही कंपनियों में संकेंद्रण; सुरक्षा उपाय के रूप में व्यक्तिगत सहमति की कमजोरी, क्योंकि किसी एक व्यक्ति के बारे में डेटा से अनेक लोगों की जानकारी उजागर हो सकती है; और ऐसे डेटा का अपर्याप्त उपयोग, जो अनुसंधान या सार्वजनिक उद्देश्यों के काम आ सकता है, लेकिन अलग-अलग साइलो में बंद पड़ा रहता है।

ज्ञान कॉमन्स

शार्लोट हेस और एलिनॉर ऑस्ट्रॉम ने तर्क दिया कि ज्ञान संसाधनों का विश्लेषण उसी ढाँचे के साथ किया जा सकता है जिसका उपयोग ऑस्ट्रॉम ने प्राकृतिक साझा-समूह संसाधनों के लिए किया था: उपयोगकर्ता कौन हैं, उपयोग और प्रावधान के नियम क्या हैं, उनकी निगरानी और प्रवर्तन कैसे होता है, और नियमों में बदलाव कैसे किया जाता है। मछलियों के विपरीत, डेटा प्रतिद्वंद्वी नहीं है: एक व्यक्ति द्वारा उपयोग किए जाने से वह घटता नहीं है। इसलिए शासन की समस्या अति-उपयोग से कम और बाड़बंदी, गुणवत्ता तथा हानि से अधिक जुड़ी है: दूसरों को बाहर रखने का अधिकार किसे है, संसाधन का रखरखाव कौन करता है, और दुरुपयोग कैसे रोका जाता है।

डेटा शासन के मॉडल

मरीना मिकेली और उनके सहकर्मियों ने कॉर्पोरेट-प्लेटफ़ॉर्म मॉडल के चार उभरते विकल्पों की पहचान की:

• डेटा-साझाकरण पूल: संगठन पारस्परिक लाभ के लिए साझा शर्तों के तहत डेटा एकत्र करते हैं।
• डेटा सहकारी संस्थाएँ: सदस्य अपना डेटा देते हैं और लोकतांत्रिक ढंग से उसके उपयोग का शासन करते हैं।
• सार्वजनिक डेटा ट्रस्ट: कोई सार्वजनिक निकाय नागरिकों की ओर से न्यास के रूप में डेटा रखता है और सार्वजनिक उद्देश्यों के लिए उस तक पहुँच प्रदान करता है।
• व्यक्तिगत डेटा संप्रभुता: व्यक्ति निजी डेटा भंडारों के माध्यम से अपने डेटा को नियंत्रित करते हैं और प्रत्येक मामले में तय करते हैं कि उसे किसके साथ साझा करना है।

सिल्वी डेलाक्रुआ और नील लॉरेंस ने नीचे से ऊपर की ओर बनने वाले डेटा ट्रस्ट प्रस्तावित किए, जिनमें डेटा विषयों के समूह अपने अधिकार साझा रूप से एकत्र करते हैं और अपनी ओर से बातचीत करने के लिए न्यासियों की नियुक्ति करते हैं, जिन पर न्यासीय दायित्व होते हैं। उनका तर्क था कि हर प्रकार के डेटा के लिए कोई एक मॉडल उपयुक्त नहीं होता।

सिद्धांत

• FAIR सिद्धांत (खोजने योग्य, सुलभ, अंतरसंचालनीय, पुनः उपयोग योग्य), 2016 में प्रकाशित, वैज्ञानिक डेटा की देखरेख का मार्गदर्शन करते हैं।
• CARE सिद्धांत, जो स्वदेशी डेटा शासन के लिए हैं (सामूहिक लाभ, नियंत्रण का अधिकार, ज़िम्मेदारी, नैतिकता), 2020 में ग्लोबल इंडिजिनस डेटा अलायंस और सहयोगियों द्वारा प्रकाशित किए गए। ये FAIR के पूरक हैं, क्योंकि इनका ध्यान केवल डेटा पर नहीं, बल्कि लोगों और उद्देश्य पर है।
• कॉमन्स के लिए ऑस्ट्रॉम के अभिकल्पना सिद्धांत—विशेषकर स्पष्ट सीमाएँ, नियमों और स्थानीय परिस्थितियों के बीच अनुरूपता, नियम-निर्माण में भागीदारी और क्रमिक दंड—डेटा संस्थाओं के मूल्यांकन में अक्सर उपयोग किए जाते हैं।

• OpenStreetMap, जिसकी स्थापना 2004 में हुई थी, स्वयंसेवकों द्वारा बनाया और अनुरक्षित विश्व का एक मानचित्र है, जिसे खुले डेटाबेस लाइसेंस के तहत जारी किया गया है; इसका फाउंडेशन और समुदाय संपादन तथा श्रेय-निर्धारण के नियम तय करते हैं।
• जीनोमिक और जलवायु डेटाबेस जैसे वैज्ञानिक डेटा भंडार, पहुँच, श्रेय और निजता के नियमों वाले अनुसंधान कॉमन्स के रूप में काम करते हैं।
• स्वदेशी डेटा संप्रभुता आंदोलन—जिनमें आओतेआरोआ न्यूज़ीलैंड का Te Mana Raraunga तथा ऑस्ट्रेलिया, कनाडा और संयुक्त राज्य अमेरिका के नेटवर्क शामिल हैं—स्वदेशी लोगों और उनकी भूमि से संबंधित डेटा पर सामूहिक अधिकारों का दावा करते हैं।
• EU Data Governance Act (Regulation (EU) 2022/868) तटस्थ डेटा मध्यस्थता सेवाओं और पंजीकृत डेटा परोपकार संगठनों के लिए एक कानूनी ढाँचा बनाता है, जो सामान्य हित के उद्देश्यों के लिए दान किए गए डेटा एकत्र करते हैं।
• Sidewalk Toronto: 2018 में Sidewalk Labs द्वारा प्रस्तावित एक स्वतंत्र "शहरी डेटा ट्रस्ट"—जिसका उद्देश्य नियोजित स्मार्ट पड़ोस में एकत्र किए गए डेटा का शासन करना था—को निजता और जवाबदेही को लेकर कड़ी आलोचना का सामना करना पड़ा; कंपनी ने 2020 में परियोजना से हाथ खींच लिया।
• स्विट्ज़रलैंड और अन्य जगहों की स्वास्थ्य डेटा सहकारी संस्थाएँ सदस्यों को चिकित्सा डेटा संग्रहीत करने और उसके अनुसंधान में उपयोग पर मतदान करने देती हैं।

• पैमाना और कब्ज़ा: कॉमन्स संस्थाओं को नेटवर्क प्रभाव और पूँजी वाले प्लेटफ़ॉर्मों से प्रतिस्पर्धा करने में कठिनाई होती है; डेटा ट्रस्टों पर उन संगठनों का कब्ज़ा हो सकता है जिनकी निगरानी करना उनका दायित्व है।
• निजता और पुनः-पहचान: डेटा को एकत्रित करने से व्यक्तियों की पुनः पहचान किए जा सकने का जोखिम बढ़ता है, और खुले लाइसेंस डेटा जारी होने के बाद उसे वापस लेना कठिन बना देते हैं।
• सीमा-संबंधी समस्याएँ: एक व्यक्ति से संबंधित डेटा अक्सर दूसरों से भी संबंधित होता है (आनुवंशिक रिश्तेदार, सामाजिक संपर्क), इसलिए यह स्पष्ट नहीं है कि कॉमन्स के "सदस्य" कौन होने चाहिए।
• मुफ़्तखोरी और रखरखाव: खुले डेटा का उपयोग करना आसान और उसका रखरखाव महँगा है; अनेक कॉमन्स कुछ स्वयंसेवकों या अनुदान-वित्तपोषण पर निर्भर हैं।
• मूल्य का वितरण: सुव्यवस्थित शासन वाले कॉमन्स में भी अधिकांश आर्थिक मूल्य डेटा का उपयोग करने वाली कंपनियों के पास जा सकता है, जब तक लाइसेंस या शुल्क उसका पुनर्वितरण न करें।
• कानूनी अनिश्चितता: ट्रस्ट कानून, सहकारी कानून और डेटा-संरक्षण कानून डेटा के संरक्षकत्व के लिए नहीं बनाए गए थे, और डेटा न्यासियों के विश्वस्त दायित्वों की अभी परख नहीं हुई है।

डेटा कॉमन्स डेटा अर्थव्यवस्था का बढ़ता हुआ, लेकिन अब भी छोटा हिस्सा हैं। उनकी सबसे स्पष्ट सफलताएँ विज्ञान, मानचित्रण और मुक्त-स्रोत सॉफ़्टवेयर में हैं, जहाँ योगदानकर्ता साझा मानदंडों का पालन करते हैं और लाभ व्यापक रूप से बँटे होते हैं। व्यक्तिगत और वाणिज्यिक डेटा के मामले में प्रमाण कमज़ोर हैं और अनेक पायलट परियोजनाएँ अभी भी प्रयोगात्मक हैं। यह क्षेत्र घोषणापत्रों से संस्थागत अभिकल्पना की ओर बढ़ रहा है: मध्यस्थों के लिए कानूनी स्वरूप, सामूहिक नियंत्रण बनाए रखने वाले लाइसेंस, और CARE जैसे सिद्धांत, जो तकनीकी खुलेपन के साथ प्रभावित समुदायों के अधिकारों को भी महत्व देते हैं।

• Micheli et al., "Emerging models of data governance in the age of datafication" (2020)
• Carroll et al., "The CARE Principles for Indigenous Data Governance" (2020)
• Wilkinson et al., "The FAIR Guiding Principles" (2016)
• Delacroix and Lawrence, "Bottom-up data trusts" (2019)
• EU Data Governance Act, Regulation (EU) 2022/868
• Charlotte Hess and Elinor Ostrom (eds), Understanding Knowledge as a Commons (MIT Press, 2007)