হুইসেলব্লোয়িং — কখন ও কীভাবে

১ · হুইসেলব্লোয়িং কী, এবং কেন এটি ভিন্ন

L21-এ আমরা দেখেছি কনফ্লিক্ট অফ ইন্টারেস্টের প্রতিকার সাধারণত অভ্যন্তরীণ — প্রকাশ ও রিকিউজাল, প্রতিষ্ঠানের নিজস্ব প্রক্রিয়ার মধ্যে। হুইসেলব্লোয়িং শুরু হয় যেখানে সেই অভ্যন্তরীণ প্রক্রিয়া ব্যর্থ হয়েছে বলে মনে হয় — একজন কর্মী এমন কিছু জানেন যা তিনি বিশ্বাস করেন গুরুতর ক্ষতি করছে বা করতে পারে (নিরাপত্তা ত্রুটি লুকানো, জালিয়াতি, প্রাইভেসির গুরুতর লঙ্ঘন), এবং প্রতিষ্ঠানের ভেতরে সেই উদ্বেগ তোলার স্বাভাবিক চেষ্টা উপেক্ষা করা হয়েছে বা ধামাচাপা দেওয়া হয়েছে।

এখানেই প্রশ্নটি সবচেয়ে কঠিন হয়ে ওঠে — প্রতিষ্ঠানের প্রতি আনুগত্য, সহকর্মীদের প্রতি দায়বদ্ধতা, নিজের চাকরি ও ভবিষ্যৎ ক্যারিয়ারের ঝুঁকি — এই সবকিছুর বিপরীতে দাঁড়িয়ে থাকে জনসাধারণ বা তৃতীয় পক্ষের প্রতি সম্ভাব্য ক্ষতি প্রতিরোধ করার দায়িত্ব। L20-এ আলোচিত ACM ও IEEE কোডের "পাবলিক কল্যাণ" ও "পাবলিক সেফটি" থিমগুলো প্রায়ই এই মুহূর্তেই সবচেয়ে বেশি চাপে পড়ে।

২ · তিনটি মূল বিবেচনা — একটি সূত্র নয়, একটি ওজন-করার কাঠামো

নৈতিক ও পেশাগত সাহিত্যে হুইসেলব্লোয়িং সংক্রান্ত আলোচনায় সাধারণত তিনটি প্রশ্ন বারবার ফিরে আসে —

এই তিনটি প্রশ্নের বাইরেও বাস্তবে আরও গুরুত্বপূর্ণ বিষয় জড়িত থাকে — প্রমাণের মান ও নির্ভরযোগ্যতা, প্রাসঙ্গিক আইনি সুরক্ষা (যা এখতিয়ার ও খাতভেদে ব্যাপকভাবে ভিন্ন), এবং সবচেয়ে সংকীর্ণ কিন্তু কার্যকর অডিয়েন্স বেছে নেওয়া — যেমন সরাসরি সংবাদমাধ্যমে যাওয়ার আগে প্রাসঙ্গিক নিয়ন্ত্রক সংস্থার কাছে প্রকাশ করা বিবেচনা করা, যখন সেই পথ বাস্তবসম্মতভাবে সম্ভব।

৩ · একটি ওজনযুক্ত স্কোর — চিন্তাকে সংগঠিত করার একটি মাত্র ইনপুট

নিচের কোড সেলে আমরা M2-এ ব্যবহৃত ওজনযুক্ত সিদ্ধান্ত-স্কোরিং প্যাটার্নটি পুনর্ব্যবহার করছি (দেখুন ../full-stack-web-frameworks/ ও ../mobile-app-development/-এর অনুরূপ স্ট্যাক-নির্বাচন স্কোরিং) — চারটি মানদণ্ডে একটি সিন্থেটিক দৃশ্যের স্কোর গণনা করে। লক্ষ্য করুন ব্যক্তিগত/পেশাগত ঝুঁকি মানদণ্ডটিকে ইচ্ছাকৃতভাবে বিপরীত দিকে গণনা করা হয়েছে — কারণ ঝুঁকি যত বেশি, বাহ্যিক প্রকাশের পক্ষে যুক্তি তত কম জোরালো হওয়া উচিত, অন্তত যতক্ষণ না ক্ষতির তীব্রতা সেই ঝুঁকিকে ন্যায্যতা দেওয়ার মতো যথেষ্ট বেশি।

# একটি সিন্থেটিক, ইলাস্ট্রেটিভ দৃশ্য -- বাস্তব কোনো কোম্পানি বা ব্যক্তি নয়
# সতর্কতা: এই স্কোরটি শুধু একটি ইনপুট, সিদ্ধান্তের প্রতিস্থাপন নয় -- নিচের প্রোজ দেখুন

def weighted_escalation_score(criteria):
    total = 0.0
    breakdown = []
    for name, c in criteria.items():
        contribution = c["score"] * c["weight"]
        if name == "personal_professional_risk":
            # ঝুঁকি যত বেশি, বাহ্যিক প্রকাশের পক্ষে যুক্তি তত কম -- তাই বিপরীত চিহ্নে যোগ হয়
            contribution = -contribution
        total += contribution
        breakdown.append((name, c["score"], c["weight"], contribution))
    return total, breakdown

# একটি সিন্থেটিক দৃশ্য: একজন ইঞ্জিনিয়ার বিশ্বাস করেন একটি মেডিকেল-ডিভাইস ফার্মওয়্যার আপডেটে
# একটি সেফটি-সংক্রান্ত ত্রুটি আছে যা কোম্পানি জানা সত্ত্বেও দুইবার প্রতিবেদনের পরও ঠিক করেনি
criteria = {
    # প্রতিটি মানদণ্ড ০-১০ স্কেলে, ওজনগুলো ১.০ যোগফলে
    "harm_severity":                 {"score": 8, "weight": 0.35},  # সম্ভাব্য ক্ষতি কতটা গুরুতর/ব্যাপক
    "internal_channels_exhausted":   {"score": 9, "weight": 0.30},  # অভ্যন্তরীণ পথ কতটা যথাযথভাবে চেষ্টা হয়েছে
    "public_interest":               {"score": 7, "weight": 0.20},  # জনসাধারণের প্রকৃত ও বৈধ স্বার্থ কতটুকু
    "personal_professional_risk":    {"score": 6, "weight": 0.15},  # ব্যক্তিগত/ক্যারিয়ার ঝুঁকি কতটা বেশি
}

total_weight = sum(c["weight"] for c in criteria.values())
score, breakdown = weighted_escalation_score(criteria)

print(f"মোট ওজন (যাচাই): {total_weight:.2f}\n")
for name, s, w, contrib in breakdown:
    sign = "-" if name == "personal_professional_risk" else "+"
    print(f"  {name:<28} স্কোর {s}/১০ x ওজন {w:.2f} => {sign}{abs(contrib):.2f}")

print(f"\nইলাস্ট্রেটিভ escalation স্কোর: {score:.2f}")
print("(এই সংখ্যাটি একা কোনো সিদ্ধান্ত নয় -- নিচের আলোচনা দেখুন)")