निर्णय निर्माण के विभिन्‍न मॉडलो का विवेचन कीजिए।

 निर्णय निर्माण के विभिनन मॉडल:

निर्णय लेने के विभिन्न मॉडल हैं। लगभग सभी मॉडल निर्णय लेने में शामिल व्यक्ति या संगठन की तर्कसंगतता के महत्व पर प्रकाश डालते हैं। मॉडल के अन्य सेट एक वृद्धिशील नाविक में निर्णय लेने के महत्व पर जोर देते हैं। प्रमुख विद्वानों द्वारा प्रस्तुत निर्णय लेने के कुछ महत्वपूर्ण मॉडल इस प्रकार हैं:

1. साइमन की परिबद्ध तार्किकता मॉडल:

"प्रशासनिक व्यवहार" पर हर्ब्ट साइमन का कार्य निर्णय लेने के क्षेत्र में मौलिक कार्य है। उनका मानना था कि निर्णय लेने में तर्कसंगतता मॉडल गैर-यधार्थवादी है और इसके सिद्धांत अप्राप्य हैं। संगठन का उनका विचार वास्तविक है न कि एक आदर्श। उन्होंने जोर देकर कहा कि सभी निर्णय लेना तर्कसंगत विकल्पों पर आधारित होना चाहिए। उनके अनुसार, तर्कसंगतता "मूल्यों की कुछ प्रणाली के संदर्भ में पसंदीदा व्यवहार विकल्पों के चयन से संबंधित है जिससे व्यवहार के परिणामों का मूल्यांकन किया जा सकता है”। यह आवश्यकता है कि सबसे पहले, निर्णय लेने वाले को सभी उपलब्ध विकल्पों के बारे में ज्ञान होना चाहिए। दूसरे, निर्णय लेने वाले को प्रत्येक विकल्प के परिणामों का अनुमान लगाने में भी सक्षम होना चाहिए।

2. लिंडब्लॉम का वृद्धिशील मॉडल:

चार्ल्स ई. लिंडब्लॉम ने अपने लेख "द साइंस ऑफ मडलिंग थ्रू" में निर्णय लेने के 'इंक्रीमेंटल मॉडल' की अवधारणा की वकालत की थी। इंक्रीमेंटल मॉडल पूरी तरह से आलोचनात्मक है और साइमन के "तर्कसंगत मॉडल" के खिलाफ है। उनका तर्क है कि निर्णय लेने की वास्तविक प्रक्रिया सैद्धांतिक एक से पूरी तरह से अलग है। लिंडब्लॉम के अनुसार, निर्णय लेने की प्रक्रिया के इंक्रीमेंटल मॉडल में "वर्तमान स्थिति से लगातार, कदम-दर-कदम और छोटी डिग्री से निर्माण" शामिल है। लोक प्रशासन या नीति अध्ययन के संदर्भ में, इंक्रीमेंटलिज्म इसका मतलब मौजूदा कार्यक्रमों और नीतियों को थोड़े से संशोधन के साथ जारी रखना है। इसके अलावा, लिंडब्लॉम ने देखा कि भविष्य के निर्णय लेने के लिए निर्णय निर्माताओं द्वारा पिछली गतिविधियों और अनुभवों का उपयोग किया जाता है।

3. एट्ज़ियोनी का मिश्रित स्कैनिंग मॉडल:

अमिताई एट्ज़ियोनी ने अपने पेपर "मिक्स्ड स्कैनिंग: ए थर्ड अप्रोच टू डिसीजन-मेकिंग" में मिश्रित स्कैनिंग मॉडल की वकालत की थी। एट्ज़ियोनी ने तर्कसंगत मॉडल और इंक्रीमेंटल मॉडल के कुछ पहलुओं की आलोचना की और इस प्रकार 'मिक्स्ड स्कैनिंग मॉडल' के कुछ तत्वों के संयोजन का परिणाम है।

तर्कसंगत और वृद्धिशील मॉडल'। यह "उच्च-क्रम, मौलिक नीति-निर्माण प्रक्रियाओं की तर्कसंगतता को संयोजित करने का प्रयास करता है, जो बुनियादी दिशाएँ निर्धारित करती हैं, और वृद्धिशील होती हैं जो मौलिक निर्णयों के लिए तैयार होती हैं और उन तक पहुँचने के बाद उन पर काम करती हैं।" एट्ज़ियोनी, मिश्रित स्कैनिंग "निर्णय लेने के लिए एक तर्कसंगत दृष्टिकोण है, जिसके लिए अधिक संसाधनों की आवश्यकता होती है जो निर्णय निर्माता को आदेश देता है। वृद्धिशील रणनीति जो अभिनेताओं की सीमित क्षमता को ध्यान में रखती है, ऐसे निर्णयों को बढ़ावा देती है जो बुनियादी सामाजिक नवाचारों की उपेक्षा करते हैं।

4. ड्रोर का इष्टतम मॉडल:

ड्रोर ने अपनी पुस्तक "पब्लिक पॉलिसी-मेकिंग री-एग्जामिन्ड” में नीति-निर्माण के इष्टतम मॉडल की वकालत की। उन्होंने इंक्रीमेंटलिस्ट दृष्टिकोण के विचार को खारिज कर दिया और तर्कसंगत और इंक्रीमेंटलिस्ट मॉडल के विकल्पों का सुझाव दिया। ड्रोर का दावा है कि इष्टतम मॉडल सभी के लिए एक बेहतर मॉडल है। अन्य मौजूदा मॉडल, जो आर्थिक रूप से तर्कसंगत मॉडल और अतिरिक्त-तर्कसंगत मॉडल का एक संयोजन है।

5. कोहेन, मार्च और ऑलसेन: गारवेज कैन मॉडल:

माइकल कोहेन, जेम्स मार्च और जोहान ऑलसेन ने निर्णय लेने का 'कचरा कैन मॉडल' तैयार किया जिसमें संगठनात्मक निर्णय लेने पर ध्यान केंद्रित किया गया था। इस दृष्टिकोण ने संस्थानों के व्यवहार को 'संगठित अराजकता' के रूप में वर्णित किया। इस दृष्टिकोण को यथार्थवादी माना जाता है क्योंकि इसमें सक्रिय निर्णयों के बजाय प्रतिक्रियाशील निर्णय लेने की क्षमता होती है।

यह निर्णय लेने के तर्कसंगत व्यापक और वृद्धिशील मॉडल से उधार लिया गया था। गार्बेज कैन मॉडल के अनुसार, "संगठन समस्याओं, मुद्दों और भावनाओं की तलाश करने वाले विकल्पों का एक संग्रह है, जो निर्णय स्थितियों की तलाश में है, जिसमें उन्हें प्रसारित किया जा सकता है, उन मुद्दों की तलाश में समाधान जिनका वे उत्तर हो सकते हैं, और निर्णय निर्माता काम ढूंढ रहा हूँ”। समस्याएँ, समाधान, निर्णय सहभागी और पसंद के अवसर इस मॉडल की प्रमुख धाराएँ हैं, जिनमें चुनाव के अवसरों को 'कचरा पात्र' माना जाता है।

Subcribe on Youtube - IGNOU SERVICE

For PDF copy of Solved Assignment

WhatsApp Us - 9113311883(Paid)