Hindistan’ın Kalküta kentinde kadınlara yönelik şiddeti protesto etmek için bir miting düzenlendi. Resim: Shutterstock
1980’lerden beri ülkenin suç istatistiklerini izleyen ve yayınlayan Hindistan’daki Ulusal Suç Kayıtları Bürosu (NCRB) 2017’de dini cinayetleri ve çiftçi intiharlarını takip etmeyi bıraktı. Bu durumda nefret suçlarını takibi zorlaştırdı.
Benzer şekilde, nefret suçlarının resmi bir takibi yok. 2017 yılında Hindustan Times tarafından kurbanları belgelemek için bir nefret takibi başlatıldı ancak hükümet baskısı altında kaldırıldı. Editör Bobby Ghosh’tan istifa etmesi istendi. Çevrim içi web sitesi IndiaSpend’in oluşturduğu Hate Tracker da benzer durumu yaşadı ve editörü Samar Halarnkar da istifa etti.
Hindustan Times Nefret Suçları İzleme Aracı
Verilere Kaynak Eklemek
İlk olarak, neyin nefret suçu sayılacağını tanımladım: mağdurun ırk, etnik köken, din, cinsiyet, fiziksel veya zihinsel engel veya cinsel yönelim gibi bir grup özelliğiyle ilgili olarak önyargılı bir saikle işlenen suç eylemlerine baktım. Ardından, 1 Ocak 2014 ile 31 Aralık 2020 arasındaki nefret suçu haberleri için İngilizce haber medyasını taradım, bağlantıları kopyaladım ve her saldırıyla ilgili ayrıntıları bir elektronik tabloya kaydettim.
Ayaklanmaları hariç tuttum çünkü bunları tam olarak kataloglayacak zamanım veya kaynağım yoktu. Sosyal medya verilerini hariç tuttum çünkü bunları bağımsız olarak doğrulayacak kaynaklara sahip değildim. Son olarak, bölgesel dilde haber yayınlarını hariç tuttum çünkü hepsini doğru bir şekilde tercüme edecek kaynaklara sahip değildim.
Sonuç olarak İngilizce yayın yapan medyadan bildirilen 212 nefret suçu olayının yer aldığı bir rapor oluşturdum. Mümkün olan her yerde, kurbanların ve faillerin tarihi, türü, cinsiyeti, kastı ve sosyo-ekonomik ayrıntıları, ayrıca dinleri, politikaları ve polisin tepkisi gibi ayrıntıları katalogladım. Daha sonra verileri örüntüler ve eğilimler için analiz ettim. Bulgularım için tam veri setini buradan indirebilirsiniz.
Bunun gibi herhangi bir veritabanında bilinen tüm olaylar arasından örnekleme yapmak yerine; mevcut kaynaklara dayanan bir veritabanından verilerin temsili olduğunu iddia edemeyiz. Topladığım vakalar yalnızca İngilizce yayın yapan medyadan kaydedilenlerin özelliklerine yer veriyor ve ayrıca Hindistan’da nefret suçlarının yaygınlığını ve özelliklerini daha iyi anlamak için bağımsız olarak kapsamlı bir veri tabanı oluşturma ihtiyacını vurguluyor.
Resmi raporlamadaki bir boşluğu kapatmak için kendi veritabanınızı oluşturmayı planlıyorsanız, ancak Dr. Majó-Vázquez gibi bir iletişim araştırmacısıyla çalışma lüksüne sahip değilseniz, onunla çalıştığım dönemde öğrendiğim bazı yararlı noktaları derledim.
1. Veri Sayfanızın Çalışılabilir Olduğundan Emin Olun
Başlangıçta, her vakayla ilgili her küçük ayrıntıyı eklemeye çok hevesliydim. Örneğin, mağdurun mesleğini belgelerken kişinin kasap mı, bilişim işçisi mi, çiftçi mi yoksa öğrenci mi olduğunu belirtirdim. Bu durum kurbanın sosyo-ekonomik sınıfı hakkında bir fikir vermeyen yaklaşık 40 iş kategorisiyle sonuçlandı. Dr. Majó-Vázquez’in yardımıyla, kurbanların mesleklerini sadece beş değişkene indirdim: mavi yakalı işçi, beyaz yakalı işçi, öğrenci, din görevlileri ve diğerleri. Bu, bir nefret suçunda en çok kimin hedef alınacağına dair daha net bir resim oluşturmamı sağladı.
Hindistan’da nefret suçu mağdurlarının mesleklerine ilişkin veriler
Fotoğraf: Ekran görüntüsü
2. Önyargılı Fikirlere Hazırlıklı Olun.
Veritabanınız önyargılı kavramlardan dolayı şaşırtabilir. Ancak, çalışmanızı işe yaramaz hale getirmeden önce kendi önyargılarınızı doğrulamak için verileri hariç tutamaz veya dahil edemezsiniz.
3. Yazım Hatalarına Dikkat Edin.
Küçük bir sorun gibi görünüyor, ancak bir veya iki yazım hatası, bir çalışma sayfasını aranamaz hale getirebilir. Örneğin, bölge altında Uttar Pradesh, “Utar Pradesh” olarak yazıldığında arama sonuçlarını filtrelemeye çalışırken farklı bir durum olarak ortaya çıkacağı anlamına gelir. Kopya düzenleme sıkıcı bir iştir ancak bu benim ve başkalarının verileri kolayca analiz edebileceği anlamına geliyor.
4. Yeterli Veriye Sahip Olmayan Sütunları Silin
Başlangıçta, mağdurun etnik kökenini, cinsel yönelimini ve suçun pasif gözlemcilerinin sayısını belgeleyen sütunlarım vardı. Birinci alan durumunda, bilgi gereksiz olacak kadar tekrarlandı. Saldırılarda büyük çoğunluğun uyruğunun Hintli olduğunu ve bu bilgileri filtrelemenin bir faydası olmayacağını anladım. İkinci iki alan söz konusu olduğunda, bilgiler o kadar nadiren mevcuttu ki, mevcut veriler temsili olmayacağı için sütunlar artık kullanışlı değildi. Setinizde mevcut olan verilere odaklanın.
5. Dipnot İhtiyacı
Bir veritabanında Vishva Hindu Parishad’dan [bir Hindu dini örgütünden] VHP olarak bahsetmek mantıklı olsa da sık sık kısaltmalarımı ve stenografimi başkalarına açıklamak zorunda kaldım. Kısaltmalar veya açıklayıcılara bağlantılar hakkında dipnotları saklamak için ayrı bir sayfa veya yorum aracı kullanın. Bu, veri setini kullanan herkesin filtrelerinizi “kırmadan” veya veri setinizi karıştırmadan anlayabilmesi için netlik sağlar.
6. Özetin Değerini Anlamak.
Bir veritabanında en kolay aramaların bazılarının evet/hayır biçimindeki sütunlarda gerçekleştiğini fark ettim. Örneğin polis bir İlk Bilgi Raporu (First Information Report ) hazırladı mı (FIR, polis şikayetinin eşdeğeri): evet mi hayır mı? Polis, mağdura veya faile karşı FIR davası açtı mı? Bu tür soruların yanıtlarını girerek bazı beklenmedik sonuçlar görebildim, örneğin: polis vakaların %13’ünde hem mağdur hem de fail aleyhine FIR açılmış.
Hindistan’da polis FIR nefret suçları başvuruları.
Boşluğu Doldurmak
Hindistan’ın mevcut hükümetinin halktan sakladığı bilgilerin listesi uzamaya devam ediyor. Kaç sağlık çalışanının COVID-19’a yakalandığı, salgın sırasında işini bırakan kırsaldaki çocukların bakımında çalışan sosyal hizmet uzmanlarının sayısı, okulu terk edenlerin sayısı, küçük okulların kapanması gibi konularda veri toplayan bağımsız gazeteci ekiplerini hayal edebiliyorum. Bilgi Edinme Hakkı aktivistlerine yönelik saldırıların sayısı ve dikkatli izleme gerektiren diğer birçok haber ve resmi kaynaklardan gelmeyebilecek veriler var.
Buna karşılık Hindistan’daki diğer gazeteciler, akademisyenler ve aktivistler, önemli konularda resmi verilerde artan boşluk nedeniyle veri tabanları oluşturmaya başladılar. Örneğin, Madde 14, son 10 yılda açılan gösteri davalarının sayısını belgelediği Karanlığın On Yılı veritabanı projesi oluşturdu. Hindistan’da giderek yaygınlaşan bir yıldırma taktiği, mevcut hükümetin gazetecileri ve aktivistleri isyana kışkırtmakla ve “milliyetçilik karşıtı” olmakla suçlamasını içeriyor.
Sonuç
Umuyorum ki bu öneriler gazetecilere cevaplamak istedikleri soruları nasıl tanımlayacakları, verileri nasıl toplayacakları ve bu konuda nasıl haber yapacakları konusunda düşünmelerine yardımcı olur.
Nefret suçları takipçisi üzerindeki çalışmalar hiçbir şekilde tamamlanmış değil: İnternet’e taşımayı ve diğer gazetecileri bilgi toplamaya ve kataloglamaya davet etmeye niyetliyim. Şu anda yalnızca İngilizce yayın yapan kuruluşların raporlarını içermekte ve bölgesel dil raporlarını da dahil edersek önemli ölçüde genişletilebilir.
Bunun gibi kitle kaynaklı projelerde bilgi kalitesine yönelik risk, girişlerin tekrarlanmasında, raporların doğrulanmasında ve sonuçların yorumlanmasında örtük önyargıda yatmaktadır. Bu risklerin ve hesapları tutmaya çalışanların güvenlik risklerinin tam farkındalığıyla, denemeye değer olduğuna inanıyorum.
Bu makale ilk olarak Reuters Gazetecilik Araştırmaları Enstitüsü tarafından yayınlanmıştır. GIJN, tam metin de dahil olmak üzere yazarın çalışmasına fazla olmamakla birlikte ek materyal de ekledi.
Ek kaynaklar
Verileri Yorumlama: Rakamları Nasıl Okuyacağınızı Bildiğinizden Emin Olmak İçin İpuçları
Bir Meksikalı Veri Ekibi 4.000 Kayıp Kadının Hikayesini Nasıl Ortaya Çıkardı?
Rachel Chitra, insan hikayelerini anlatmak için verileri kullanan bir finans gazetecisi ve Times of India özel muhabiri. Daha önce Reuters, New Indian Express ve Deccan Chronicle için çalıştı. Reuters Enstitüsü için yaptığı proje, Hindistan’da Müslümanların ve Dalitlerin linç ve tecavüz belgeleri üzerineydi.
