BBC 50:50 UK, Global
ဘီဘီစီသတင်းဌာနသည် ကျား/မ အချိုးအစား ၅ဝး၅၀ ဖြစ်နေစေရေး စိန်ခေါ် ချက်များ၏ သက်ရောက်မှုရလဒ်များကို နှစ်စဉ်ထုတ်ပြန်သည်။ ဘီဘီစီမှ အစီအစဉ်တင်ဆက်သူ ရို့စ်အက်တကင်က ၎င်းတာဝန်ယူတင်ဆက်နေသည့် Outside Source အမည်ရှိရုပ်သံအစီအစဉ်တွင် သတင်းရင်းမြစ်အဖြစ် အသုံးပြုသူများထဲ၌ ကျား/မ ညီမျှစွာပါဝင်မှုပိုမိုကောင်းမွန်လာစေရန် ၂၀၁၆ ခုနှစ်နှောင်း ပိုင်းတွင်စတင်စမ်းသပ်ခဲ့သည်။ အက်တကင်နှင့် ၎င်း၏အဖွဲ့သည် ထုတ်လွှင့်မှုတစ်ခုချင်းစီတွင်ပါဝင်သူများ၊ ထုတ်လွှင့်သည့် အကြောင်းအရာအမျိုးအစားနှင့် အမျိုးသမီးများပါဝင်မှုနည်းသည့် ဇာတ်လမ်းများနှင့်ပတ်သက်၍ အချက်အလက် များ ကောက်ယူခဲ့ကာ အရည်အချင်းမြင့်မားသည့် အမျိုးသမီးများကို သတင်းရင်းမြစ်အဖြစ် ထည့်သွင်းကာ ၎င်းတို့ဆက်သွယ်ရမည့် ကွန်ယက်ကိုချဲ့ထွင်ခဲ့သည်။
ထိုသို့ဆောင်ရွက်ခဲ့ခြင်းကြောင့်သတ်မှတ်လများအတွင်း အဆိုပါပရိုဂရမ်တွင် အမျိုးသမီးသတင်းရင်းမြစ်ပါဝင်မှုမှာ လေးလကြာကာလအတွင်း ယခင် ၂၉ ရာခိုင်နှုန်းရှိရာမှ ၅၁ ရာခိုင်နှုန်းသို့မြင့်တက်လာခဲ့သည်။ ထို့အပြင် ဘီဘီစီ၏ ထုတ်လွှင့်မှုအစီအစဉ်များမှာ နှစ်နှစ်အတွင်း အဆင့်သတ် မှတ်ချက် ၂ ရာခိုင်နှုန်း လျော့ကျသွားခဲ့သော်လည်း Outside Source အစီအစဉ်၏ အဆင့်သတ်မှတ်ချက်မှာမူ ၂၅ ရာခိုင်နှုန်း မြင့်တက်လာခဲ့သည်။ ထိုအချိန်မှစ၍ ဘီဘီစီက ထုတ်လွှင့်နေသော အစီအစဉ် ၅၀၀ ကျော်မှာ ၅ဝး၅၀ ဟုခေါ် တွင်သော ပရိုဂျက်တွင်ပါဝင်လာခဲ့တော့သည်။ 50:50ထို့အပြင် အဆိုပါစိတ်ကူးကို အခြားမီဒီယာ ကုမ္ပဏီ ၂၀ ကျော်ကလည်း အတုယူဆောင်ရွက်လာခဲ့သည်။
အဆိုပါ ၅ဝး၅၀ ပရိုဂျက်ကို ဆောင်ရွက်သည့်နည်းစနစ်မှာ အလွန်ပင်ရိုးရှင်းလှသည်။ အစီအစဉ်ထုတ်လုပ်ရေးအဖွဲ့များသည် ၎င်းတို့အစီအစဉ် သဘောသဘာဝ နှင့် ကိုက်ညီသည့် ချိန်ဆမှုစနစ်ကို အသုံးပြုပြီးအစီအစဉ်အတွက် လိုအပ်သော ကျား/မ ညီမျှစွာ ပါဝင်မှုဆိုင်ရာ အချက်အလက်များကိုလွတ်လပ်စွာကောက်ယူကြသည်။ အဆိုပါအချက်အလက်များကို အစီအစဉ်တွင် ပါဝင်မည့်သူအားလုံးထံ လစဉ်မျှဝေပေးသည်။ အစီအစဉ်များတွင် သတင်း၊ ဂီတမှသည် နိုင်ငံရေးအထိပါဝင်ရာ ထုတ်လွှင့်မည့် အစီအစဉ်တစ်ခုချင်းစီ၏ သဘောသဘာဝနှင့် ကိုက်ညီသည့် ချိန်ဆမှုစနစ်ကိုအသုံးပြုကြသည်။ ဥပမာအားဖြင့် ရုပ်သံအစီအစဉ်တစ်ခုတွင် အသံလွှင့်ဌာနက တာဝန်ချထားသည့် ရုပ်သံတင်ဆက်သူဝန်ထမ်းကို ထည့်သွင်းရေတွက်ခြင်းမပြုဘဲ ထုတ်လုပ်ရေးအဖွဲ့က မည်သည့်သူကိုသာတင်ဆက်ခိုင်းမည်ဟု ရွေးချယ်သည့်အခါတွင်မူ တင်ဆက်သူကိုပါထည့်သွင်းရေတွက်သည်။ နည်းစနစ်တစ်ခုကိုချမှတ်ရာတွင် ဝန်ထမ်းများက ပါဝင်အကြံပြုခွင့်ရှိပါက ၎င်းတို့ သည်ပိုမိုယုံကြည်မှုရှိပြီး၊ မိမိတို့ကောက်ယူခဲ့သည့် အချက်အလက်များကို ပိုမို အသုံးပြုလေ့ရှိကြောင်း အထက်ပါနည်းစနစ်နှင့်ပတ်သက်၍ Atkin ကောက်ချက်ချခဲ့သည်။
အချက်အလက်များ ကောက်ယူစုဆောင်းခြင်းကြောင့် အစီအစဉ်ထုတ်လုပ်ရေး အဖွဲ့များသည် အချက်အလက်များပါ ကိန်းဂဏန်းအရေအတွက်ကို ယုံကြည်မှုရှိ ကြသည်မှန်သော်လည်းအဆိုပါ အချက်အလက်သက်သက်သည် ပရိုဂျက်အဆုံး စွန်ပန်းတိုင်မဟုတ်ပေ။ ထိုမျှမကအဆိုပါ အချက်အလက်များသည် ထုတ်လွှင့်မည့်အစီအစဉ်များတွင် အမျိုးသမီးအရေအတွက် ပါဝင်မှုများပြားလာစေရန် အဖွဲ့ဝင်များအား အပြောင်းအလဲလုပ်လိုစိတ်ကိုလည်း ဖန်တီးပေးသည်။
FINANCIAL TIMES UK, Global
Financial Times (FT) သတင်းစာကလည်း ၎င်းတို့၏ အမျိုးသမီးစာဖတ်ပရိသတ် အရေအတွက်ကို ၂၀၁၆ ခုနှစ်တွင် ပထမဆုံးအကြိမ်တွက်ဆခဲ့ရာ သိသိသာသာ နည်းပါးနေပြီး စိတ်ဝင်စားမှုနည်းပါးကြသည်ကို တွေ့ရှိခဲ့သည်။ အဆိုပါအချက်ကို စိုးရိမ်စရာတစ်ခုအဖြစ်သာမက စီးပွားရေးအခွင့်အလမ်းတစ်ခု အဖြစ်ပါ ရှုမြင်လာသဖြင့် သတင်းစာအပေါ် အမျိုးသမီးစာဖတ်ပရိသတ်၏ အမြင်ကိုပြောင်းလဲရန် ပရောဂျက်အများအပြား ဆောင်ရွက်လာနိုင်သည့်အပြင် အမျိုးသမီးပရိသတ်၏ စိတ်ဝင်တစားဖတ်ရှုမှုပိုရှိလာကာ အဖွဲ့အစည်းအတွင်းတွင်လည်း ဓလေ့စရိုက် ပြောင်းလဲလာခဲ့သည်။ ထိုပရောဂျက်များထဲတွင် JanetBot ပရောဂျက်လည်း ပါဝင်သည်။ ထို JanetBot ပရိုဂျက်မှာ FT တွင်အသုံးပြုသည့် ဓာတ်ပုံများတွင် ပါဝင်သောသူများ၏ မျက်နှာကို ကျား/မ စိစစ်ခွဲခြားပေးသည့် ဆော့ဖ်ဝဲကို အသုံးပြုခြင်းဖြစ်သည်။ အဆိုပါဆော့ဖ်ဝဲက ကျား/မ ခွဲခြားမှုကို မော်နီတာတွင် အရောင်ပါအလံများဖြင့်ပြသကာ အယ်ဒီတာများမြင်နိုင်စေရန် အလျင်အမြန် ဆောင်ရွက်ပေးသည့်အပြင် Slack ချင်နယ်မှတစ်ဆင့် ကျား/မ ညီမျှစွာပါဝင် မှုဆိုင်ရာ အချက်အလက်များကိုလည်း ဖော်ပြပေးသည်။
အဖွဲ့အစည်းအတွင်းတွင်မူအဆိုပါ JanetBot ပရောဂျက်ကို အသုံးပြုရသည့် ရည်ရွယ်ချက်မှာ ပင်မစာမျက်နှာ၌ဖော်ပြသော ဓာတ်ပုံများတွင် ကျား/မ ပါဝင်မှု မမျှတသည်ကိုယခင်ကထက် သတိထားမိလာစေရန်ဖြစ်ပြီး အမျိုးသမီးများကို အသားပေးရိုက်ကူးသော ဓာတ်ပုံအရေအတွက်ပိုမိုပါဝင်လာအောင် ဂျာနယ်လစ် များအား နှိုးဆော်ရန်လည်းဖြစ်သည်။ အဆိုပါဆော့ဖ်ဝဲသည် FT သတင်းစာ၏ အမျိုးသမီးပရိသတ်များနှင့် အပြန်အလှန် ပိုမိုထိတွေ့ခွင့်ရအောင်လည်း ဆောင်ရွက်ပေးသည်။ အမျိုးသမီးရုပ်ပုံများဖြင့် ဖော်ပြသောသတင်းဆောင်းပါး များကို အမျိုးသမီးများသည် အမျိုးသားများထက် ပိုမိုအာရုံစိုက်ကြည့်ရှုလေ့ရှိ ကြောင်း FT ကပြုလုပ်သည့် ဆန်းစစ်လေ့လာ မှုတွင်တွေ့ရှိခဲ့သည်။ JanetBot ဆော့ဖ်ဝဲကိုအသုံးပြုခြင်းဖြင့် FT သည် လေ့လာမှတ်သားစရာ အများအပြား ရရှိခဲ့သည်။ အဆိုပါဆော့ဖ်ဝဲကို စတင်အသုံးပြုသူများအတွက်မူ စသုံးစဉ်က တည်းက ဒီဇိုင်းပြုလုပ်သုံးစွဲမှုတွင်ပါဝင်ခဲ့ဖူးရန်လိုအပ်သည်။ ထိုဆော့ဖ်ဝဲကို ရေးသားပြီးသည်နှင့် အသုံးပြုသူများအတွက် အထောက်အကူမပြုသည့် အပိုင်း များကို ဖယ်ထုတ်ရန်မလွယ်ကူသဖြင့် အရင်းအမြစ် အကန့်အသတ်ကြောင့် JanetBot ဆော့ဖ်ဝဲတွင် အထက်ပါကိစ္စကိုဆောင်ရွက်နိုင်ခြင်းမရှိပေ။
အထက်ပါအကြောင်းများကြောင့် JanetBot ဆော့ဖ်ဝဲကို အသုံးပြုသည့် ရည်ရွယ် ချက်မှာယခုအခါ အချက်အလက်ကောက်ယူခြင်းလုပ်ငန်းစဉ် ဆောင်ရွက် ရန်ထက် သတင်းခန်းတွင်အလုပ်လုပ်နေသော ဂျာနယ်လစ်များကို ကျား/မ ညီမျှ စွာပါဝင်မှုရှိစေရေးသတိပိုမိုထားမိစေရန် ဖြစ်လာခဲ့သည်။ ထိုအချက်ကြောင့် ဂျာနယ်လစ်များအား သတင်းဆောင်းပါး စတင်ရေးသားစဉ်ကာလကပင် သတင်း ဓာတ်ပုံအသုံးပြုရာ၌ ကျား/မ ညီမျှစွာပါဝင်မှုကို ထည့်သွင်းစဉ်းစားလာစေခဲ့သည်။ သတင်းစာပါစာရေးသူများတွင် ကျား/မ ပိုမိုညီမျှစွာပါဝင်မှုရှိစေရန် FT သည် အဆိုပါဆော့ဖ်ဝဲကိုပင် အသုံးပြုကာစာရေးသူ ကျား/မ အရေအတွက်ကို ခွဲခြားရန်လည်း စမ်းသပ်လျက်ရှိသည်။
The bot She Said He Said, launched in 2018, keeps track of the gender balance in sources by counting men’s and women’s pronouns and names, sharing data automatically with FT teams. However, encouraging them to look at this data and take action has proved challenging. This has led the FT to explore a manual approach to tracking and improving gender balance instead, having signed up to the BBC’s 50:50 project this year. Although the experiment is still in its early stages, the 50:50 methodology seems to raise awareness of imbalances and engage colleagues more effectively than the automated approaches. (See The Financial Times Deep Dive)
