राज्यात येत्या २१ डिसेंबर रोजी होणाऱ्या निवडणुका आता ओबीसी आरक्षणाविनाच होणार आहेत. कारण सर्वोच्च न्यायालयाने राज्य सरकारची या निवडणुका पुढे ढकलण्यासंदर्भातली याचिका फेटाळून लावली आहे. तसंच इम्पिरिकल डेटासाठी राज्य सरकारने केंद्राकडे मागणी करण्याची गरज नाही. केंद्र सरकारला इम्पिरिकल डेटा देण्याचे निर्देश देता येणार नाहीत, असंही न्यायालयाने स्पष्ट केलं आहे. या पार्श्वभूमीवर जाणून घ्या काय आहे इम्पिरिकल डेटा? त्याचा नक्की उपयोग कुठे आणि कसा केला जातो?
इम्पिरिकल डेटा म्हणजे काय?
एखाद्या ठराविक समुदायाची विशिष्ट उद्देशानं गोळा केलेली अनुभवसिद्ध माहिती म्हणजे इम्पिरिकल डेटा होय. एखाद्या विषयाबद्दल वैयक्तिक मतं ग्राह्य न धरता केवळ ठोस माहितीच्या आधारे ही आकडेवारी गोळा केलेली असते. ओबीसी आरक्षणाच्या संदर्भाने याचा विचार करता ओबीसी समाजाचं सामाजिक, राजकीय, आर्थिक, शैक्षणिक मागासलेपण सिद्ध कऱण्यासाठी मिळवलेली विश्लेषणात्मक माहिती म्हणजे इम्पिरिकल डेटा होय.
पहिल्या टप्प्यात प्राथमिक आणि उच्च शिक्षणात ओबीसींचं प्रमाण किती आहे, अशिक्षित किती आहेत, याचं सर्वेक्षण केलं जाईल. सरकारी आणि खासगी नोकरीमध्ये श्रेणींनुसार ओबीसींचं प्रमाण किती आहे याचा अभ्यास केला जाईल. शहरी आणि ग्रामीण भागात राहणाऱ्या ओबीसींचं प्रमाण कसं आहे, त्यांची घरं कशी आहेत, मध्यमवर्गीय किती आहेत अशा प्रकारची माहिती गोळा केली जाईल. समाजातील दिव्यांग आणि गंभीर आजारी व्यक्तींची माहितीदेखील मिळवली जाईल. खुला प्रवर्ग आणि ओबीसींमधील या सर्व माहितीची तुलनात्मक मांडणी केली जाईल. या सर्व माहितीच्या आधारावरच ओबीसी समाजाचं मागासलेपण सिद्ध होऊ शकेल.
दुसऱ्या टप्प्यात ओबीसींसाठी राजकीय प्रतिनिधित्वाचा मुद्दा मांडला जातो. स्थानिक स्वराज्य संस्थांमध्ये खुल्या प्रवर्गाच्या मतदारसंघातून किती ओबीसी उमेदवार विजयी झाले आहेत याची माहिती मिळवली जाते. ओबीसी लोकसंख्येशी याची तुलना करून राजकीयदृष्ट्या हा समाज किती मागासलेला आहे, हे सिद्ध होऊ शकेल.
तिसऱ्या टप्प्यात अनुसूचित जाती-अनुसूचित जमातींना लोकसंख्येच्या प्रमाणात आरक्षण दिल्यानंतर ५० टक्क्यांच्या मर्यादेत राहून ओबीसी आरक्षण देण्याचा प्रस्ताव मांडण्यात येईल. काही राज्यांमध्ये ५० टक्क्यांपेक्षा जास्त आरक्षण टिकवता आलं आहे, त्या राज्यांच्या इम्पिरिकल डेटाचा आराखडा कसा होता आणि ज्यांचं आरक्षण टिकलं नाही, त्यांच्या डेटात काय त्रुटी राहिल्या याचाही अभ्यास करावा लागेल. त्या आधारे डेटा गोळा करण्यासाठी नवे मार्ग शोधावे लागतील.
