యూనిట్లు
1. అర్బన్ మరియు రీజినల్ ప్లానింగ్‌లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ పరిచయం: సరిహద్దులు, ధ్రువీకరణ, బాధ్యత మరియు నీతి 2. జోనింగ్ మరియు మాస్టర్ ప్లాన్ విశ్లేషణ మరియు ప్లాన్ నోట్ ఇంటర్‌ప్రెటేషన్ 3. జియోగ్రాఫిక్ ఇన్ఫర్మేషన్ సిస్టమ్స్ (GIS) మరియు ల్యాండ్ యూజ్ అనాలిసిస్ 4. QGIS మరియు పైథాన్‌తో ప్రాదేశిక డేటా వర్క్‌ఫ్లో 5. ఉపగ్రహ మరియు వైమానిక చిత్రాలతో పట్టణ మార్పు విశ్లేషణ 6. జనాభా, సాంద్రత మరియు డిమాండ్ సూచన 7. రవాణా మరియు ట్రాఫిక్ మోడలింగ్ 8. అర్బన్ గ్రోత్ అండ్ సినారియో సిమ్యులేషన్ 9. జోనింగ్ నిబంధనలు మరియు శాసన పరిశోధన మరియు ధృవీకరణ 10. పార్టిసిపేటరీ ప్లానింగ్ మరియు వాటాదారుల విశ్లేషణ 11. విపత్తు, వాతావరణం మరియు స్థితిస్థాపకత విశ్లేషణ 12. ఎండ్-టు-ఎండ్ AI-సహాయక ప్రణాళిక వర్క్‌ఫ్లో మరియు ఎంటర్‌ప్రైజ్ అప్లికేషన్
యూనిట్ 10 / 12

పార్టిసిపేటరీ ప్లానింగ్ మరియు వాటాదారుల విశ్లేషణ

లాభాలు:

  • భాగస్వామ్య ప్రణాళికలో సర్వేలు, అభిప్రాయాలు మరియు వాటాదారుల డేటాను సేకరించడానికి, సంగ్రహించడానికి మరియు థీమ్ చేయడానికి AIని ఉపయోగించగల సామర్థ్యం
  • AIతో గుణాత్మక ఫీడ్‌బ్యాక్‌ను విశ్లేషించేటప్పుడు అట్టడుగు వర్గాలకు చెందిన వారి స్వరాలను రక్షించడానికి ప్రాతినిధ్యం, పక్షపాతం మరియు బాధ్యతను గుర్తుంచుకోండి
  • AI సారాంశం భాగస్వామ్యానికి ప్రత్యామ్నాయం కాదని మరియు తుది నిర్ణయం పారదర్శక, జవాబుదారీ పబ్లిక్ ప్రక్రియకు చెందినదని అర్థం చేసుకోండి

ఒక ప్రణాళిక సాంకేతికంగా సరైనది కానీ దానిపై జీవించే ప్రజల గొంతులను మోసుకెళ్లకపోతే అది చట్టవిరుద్ధం. భాగస్వామ్య ప్రణాళిక అంటే నిపుణులు మాత్రమే కాకుండా, ఆ స్థలాన్ని ఉపయోగించే పౌరులు, వ్యాపారులు, హెడ్‌మెన్, పౌర సమాజం మరియు ఇతర వాటాదారులు కూడా నిర్ణయాలు తీసుకుంటారు. ఈ ప్రక్రియలో, సర్వేలు, సమావేశాలు, పిటిషన్‌లు, ఆన్‌లైన్ అభిప్రాయాలు మరియు క్షేత్ర పరిశీలనల నుండి పెద్ద మొత్తంలో గుణాత్మక డేటా (టెక్స్ట్ మరియు అభిప్రాయాలను కలిగి ఉన్న డేటా, సంఖ్యలు కాదు) సేకరించబడుతుంది. ఈ వేలాది అభిప్రాయాలను సంగ్రహించడంలో, థీమ్‌లను సంగ్రహించడంలో, సెంటిమెంట్ విశ్లేషణ మరియు రిపోర్టింగ్ చేయడంలో AI ఒక శక్తివంతమైన సహాయం. కానీ భాగస్వామ్య ప్రణాళికలో AI యొక్క అతిపెద్ద ప్రమాదం ప్రాతినిధ్య పక్షపాతం: ఇది మెజారిటీ మరియు తరచుగా పునరావృతమయ్యే స్టేట్‌మెంట్‌ల స్వరాలను విస్తరించగలదు మరియు మైనారిటీ, డిజిటల్‌గా యాక్సెస్ చేయలేని మరియు అట్టడుగు సమూహాల గొంతులను కనిపించకుండా చేస్తుంది. AI సారాంశం భాగస్వామ్యానికి ప్రత్యామ్నాయం కాదు; తుది నిర్ణయం పారదర్శకమైన, జవాబుదారీతనంతో కూడిన ప్రజా ప్రక్రియ.

ఎందుకు మరియు ఎలా పాల్గొనాలి

పాల్గొనడం అనేది "ధృవీకరణ-సేకరణ" వేడుక కాదు కానీ జ్ఞానం మరియు చట్టబద్ధత యొక్క నిజమైన మూలం. మంచి ఎంగేజ్‌మెంట్ ప్రాసెస్ వివిధ ఛానెల్‌లను మిళితం చేస్తుంది: ముఖాముఖి సమావేశం, ఇంటి సర్వే, ఆన్‌లైన్ ఫారమ్, ఫీల్డ్ వాక్, టార్గెట్ గ్రూప్ మీటింగ్. ప్రతి ఛానెల్ వేర్వేరు వ్యక్తులను క్యాప్చర్ చేస్తుంది: ఆన్‌లైన్ ఫారమ్ యువకులు, ముఖాముఖిగా కలుసుకునే వృద్ధులు మరియు ఇరుగుపొరుగు నివాసితులు. ఒక ఛానెల్‌పై ఆధారపడటం వలన ఆ ఛానెల్‌ని ఉపయోగించని ప్రతి ఒక్కరూ మినహాయించబడతారు.

సేకరించిన డేటాను అర్థం చేసుకోవడంలో AI అమలులోకి వస్తుంది: వందల కొద్దీ పేజీల ఉచిత వచనాన్ని చదవడానికి, దానిని సమూహపరచడానికి మరియు ప్రముఖ థీమ్‌లను సంగ్రహించడానికి మానవ వారాలు పడుతుంది; AI దీన్ని గంటల వరకు తగ్గిస్తుంది. కానీ ఈ వేగం ప్రాతినిధ్యం బాధ్యతను తొలగించదు.

హెచ్చరిక: AI సారాంశం చాలా పునరావృతమయ్యే మరియు బిగ్గరగా ఉన్న అభిప్రాయాన్ని "సాధారణ అభిప్రాయం"గా ప్రదర్శిస్తుంది. డిమాండ్ పునరావృతం అయినందున అది మరింత న్యాయమైనది కాదు; ఇది ఆ సమూహం పెద్దదిగా లేదా మరింత వ్యవస్థీకృతమైందని సూచించవచ్చు. ప్రతి సారాంశంలో, "ఎవరు తప్పిపోయారు, ఎవరి గొంతు బొంగురుపోయింది?" అడగండి.

భాగస్వామ్యం యొక్క మరొక కోణం భాషా మరియు సాంస్కృతిక వైవిధ్యం. ఒక నగరంలో, వివిధ భాషలు మాట్లాడే సమూహాలు, అక్షరాస్యత యొక్క వివిధ స్థాయిలు మరియు వివిధ వ్యక్తీకరణ రూపాలు ఉన్నాయి. ఒకే పరుగులో బహుళ భాషల నుండి వీక్షణలను ప్రాసెస్ చేయగలదు కాబట్టి AI ఇక్కడ నిజమైన సౌలభ్యాన్ని అందిస్తుంది; ఉదాహరణకు, ఇది వివిధ భాషలలో సేకరించిన వ్యాఖ్యలను సాధారణ థీమ్‌లకు కనెక్ట్ చేయగలదు. కానీ అనువాదం మరియు సారాంశంలో సూక్ష్మబేధాలు కోల్పోవచ్చు: స్థానిక ఇడియమ్, నింద, సాంస్కృతిక సూచనను AI ద్వారా చదును చేయవచ్చు మరియు తప్పుగా అర్థం చేసుకోవచ్చు. కాబట్టి బహుభాషా లేదా సాంస్కృతికంగా విభిన్న భాగస్వామ్యంతో, AI అవుట్‌పుట్‌ని ఆ సంఘాలు తెలిసిన వ్యక్తులచే సమీక్షించడం ముఖ్యం. సాంకేతికత ద్వారా ప్రాప్యతను విస్తరించడం విలువైనది; కానీ యాక్సెస్ ఖచ్చితంగా అర్థాన్ని తెలియజేసే బాధ్యత నుండి విముక్తి పొందదు.

ప్రాతినిధ్యం, పక్షపాతం మరియు నైతికత

భాగస్వామ్య ప్రణాళికలో మూడు నైతిక ప్రమాదాలు చాలా ముఖ్యమైనవి:

  1. పార్టిసిపేషన్ బయాస్: సర్వేలో ఎవరు పాల్గొన్నారు? తక్కువ ఇంటర్నెట్ సదుపాయం ఉన్న పరిసరాలు, వృద్ధులు, వికలాంగులు, వలసదారులు మరియు శ్రామిక మహిళలు తరచుగా తక్కువ ప్రాతినిధ్యం వహిస్తున్నారు. AI ఈ విషయాన్ని స్వయంగా చెప్పలేదు; పాల్గొనేవారి ప్రొఫైల్‌ను విడిగా పరిశీలించడం అవసరం.
  2. సారాంశం పక్షపాతం: AI మెజారిటీ మరియు తరచుగా వ్యక్తీకరణకు అనుకూలంగా ఉంటుంది; అరుదైన కానీ క్లిష్టమైన హెచ్చరిక (ఉదా. వరద పరిశీలన) "శబ్దం"గా పరిగణించబడుతుంది మరియు తొలగించబడుతుంది.
  3. వ్యాఖ్య పక్షపాతం: AI యొక్క శిక్షణ డేటాలోని సాంస్కృతిక అంచనాల ద్వారా సెంటిమెంట్ విశ్లేషణ మరియు థీమ్ వెలికితీత రంగులు వేయబడతాయి; స్థానిక సందర్భాన్ని తప్పుగా చదవవచ్చు.

ఈ ప్రమాదాలకు వ్యతిరేకంగా మూడు సూత్రాలు: ముడి డేటాకు యాక్సెస్‌ను రక్షించడం (సారాంశం ఎప్పుడూ మాత్రమే నిజం కాకూడదు), మైనారిటీ మరియు అట్టడుగు వర్గాలను విడివిడిగా పర్యవేక్షించడం మరియు ప్రక్రియను పారదర్శకంగా రికార్డ్ చేయడం.

దశల వారీగా: AIతో ఎంగేజ్‌మెంట్ డేటా విశ్లేషణ

  1. డేటాను అజ్ఞాతీకరించండి. వ్యక్తిగత డేటాను క్లియర్ చేయండి (పేరు, పరిచయం); KVKK/గోప్యత.
  2. పాల్గొనేవారి ప్రొఫైల్‌ని సృష్టించండి. ఎవరు హాజరయ్యారు, ఎవరు తప్పిపోయారు?
  3. AI కోసం థీమ్‌ను సృష్టించండి. కానీ మైనారిటీ థీమ్‌లను విడిగా అభ్యర్థించండి.
  4. ముడి డేటాతో సరిపోల్చండి. సారాంశం వాస్తవికతను ప్రతిబింబిస్తుందా?
  5. తప్పిపోయిన సమూహాలను గుర్తించి పూర్తి చేయండి. అదనపు ఛానెల్‌ని జోడించండి (ముఖాముఖి).
  6. పారదర్శకంగా నివేదిక ఇవ్వండి. ఇందులో ఎవరు పాల్గొన్నారు, ఎవరు తప్పిపోయారనే విషయంపై స్పష్టత వచ్చింది.
  7. నిర్ణయాన్ని పబ్లిక్ ప్రాసెస్‌కే వదిలేయండి. AI సారాంశం ఇన్‌పుట్, నిర్ణయం కాదు.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్: "ఈ సర్వే వ్యాఖ్యలను సంగ్రహించండి."

AI చాలా తరచుగా థీమ్‌లను హైలైట్ చేస్తుంది; మైనారిటీ వాయిస్ అదృశ్యమవుతుంది, పార్టిసిపెంట్ ప్రొఫైల్ అదృశ్యమవుతుంది.

బలమైన ప్రాంప్ట్: "క్రింద 1,200 పౌరుల అభిప్రాయాలు ఉన్నాయి [అజ్ఞాతవాసి]. (1) ప్రధాన థీమ్‌లను ఫ్రీక్వెన్సీ ద్వారా సంగ్రహించండి. (2) అలాగే కొన్ని ముఖ్యమైనవి (భద్రత, వరద, ప్రాప్యత వంటివి) ప్రత్యేక జాబితాలో ఉన్న మైనారిటీ థీమ్‌లను సేకరించండి; వాటిని తక్కువ పౌనఃపున్యంగా తొలగించండి. (3) ప్రతి థీమ్‌లో, అది ఏ రకమైన అభిప్రాయాల నుండి వచ్చిందో సూచించండి. సారాంశం మీ స్వంత వివరణతో భర్తీ చేయబడి ఉండవచ్చు: [...]"

రెండవ ప్రాంప్ట్ మైనారిటీ వాయిస్, ప్రొఫైల్ మరియు బ్లైండ్ స్పాట్‌లను రక్షించాలని స్పష్టంగా డిమాండ్ చేస్తుంది.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

టాస్క్: దిగువన ఉన్న [అజ్ఞాత] భాగస్వామ్య డేటా నుండి, (1) ఫ్రీక్వెన్సీ వారీగా కీ థీమ్‌లను సంగ్రహించండి, (2) తక్కువ పునరావృతమయ్యే కానీ సంభావ్య క్లిష్టమైన థీమ్‌ల యొక్క ప్రత్యేక జాబితా. తక్కువ ఫ్రీక్వెన్సీ వ్యాఖ్యలను తొలగించండి. మీ స్వంత వ్యాఖ్యను జోడించండి; సమూహంగా ఉంది.డేటా: [...]

టాస్క్: దిగువ పార్టిసిపెంట్ ప్రొఫైల్ డేటాను పరిశీలించండి. ఏ సమూహాలు (వయస్సు, పొరుగు ప్రాంతం, లింగం, యాక్సెస్) తక్కువగా ప్రాతినిధ్యం వహించవచ్చు? తప్పిపోయిన వాయిస్‌లను పూరించడానికి ఏ అదనపు ఎంగేజ్‌మెంట్ ఛానెల్ సిఫార్సు చేయబడింది?ప్రొఫైల్: [...]

టాస్క్: కింది AI థీమ్ సారాంశాన్ని ముడి డేటాతో పోల్చడానికి నా కోసం చెక్‌లిస్ట్‌ను రూపొందించండి: ఏ థీమ్ నిజంగా ఆధిపత్యం చెలాయిస్తుంది, ఏది అతిశయోక్తి, ఏ క్లిష్టమైన వీక్షణ తొలగించబడి ఉండవచ్చు అని నేను ఎలా తనిఖీ చేయాలి? సారాంశం: [...]

విధి: దిగువ పాల్గొనే ఫలితాల నుండి పారదర్శక పబ్లిక్ సమాచార ముసాయిదాను వ్రాయండి. ఎవరు పాల్గొన్నారు, ఎవరు హాజరుకాలేదు మరియు నిర్ణయంలో వారి అభిప్రాయాలు ఎలా ప్రతిబింబిస్తాయో నిజాయితీగా చెప్పండి. భాగస్వామ్యాన్ని "ఆమోదం"గా ప్రదర్శించవద్దు. ఫలితాలు: [...]

పట్టిక: పాల్గొనే ఛానెల్ మరియు ప్రాతినిధ్యం

ఛానెల్

ఎవరు బాగా పట్టుకుంటారు?

ఎవరు కిడ్నాప్ చేస్తారు

AI పాత్ర

ఆన్‌లైన్ ఫారమ్

యంగ్, డిజిటల్ ఎనేబుల్

వృద్ధులు, తక్కువ యాక్సెస్

థీమ్ వెలికితీత

ముఖాముఖి సమావేశం

స్థిరపడిన, ఆందోళన, ప్రశాంతత

ఉద్యోగి, రిమోట్

గ్రేడ్ సారాంశం

గృహ సర్వే

విస్తృత విభాగం

ఇంట్లో కాదు

డేటా సవరణ

లక్ష్య సమూహం

నిర్దిష్ట వాటాదారు

సాధారణ ప్రజలు

ఇంటర్వ్యూ సారాంశం

పిటిషన్/ఫిర్యాదు

వ్యవస్థీకృత, సమస్యాత్మక

తృప్తి నిశ్శబ్ద మెజారిటీ

వర్గీకరణ

మూడు చిన్న కేసులు

కేసు 1 — వానిషింగ్ మైనారిటీ హెచ్చరిక. ఒక మునిసిపాలిటీ AIతో 3,000 అభిప్రాయాలను సంగ్రహిస్తుంది; క్లుప్తంగా "పార్కింగ్" మరియు "గ్రీన్ స్పేస్" డిమాండ్లను హైలైట్ చేస్తుంది. ఒక ప్లానర్ ప్రత్యేక మైనారిటీ థీమ్‌లను అడిగినప్పుడు, 11 మంది వ్యక్తులు ఒక ప్రవాహం వెంట వరదలను గమనించినట్లు నివేదించారు. ఈ క్లిష్టమైన కానీ "తేలికగా పునరావృతమయ్యే" హెచ్చరిక మొదటి సారాంశంలో తొలగించబడింది. మైనారిటీ గొంతులను రక్షించడం అనేది భద్రతా సమస్య కావచ్చు.

కేసు 2 - కనిపించని పొరుగు ప్రాంతం. ఒక బృందం ప్రొఫైల్ విశ్లేషణ ద్వారా 70 శాతం పోలింగ్ కేంద్ర మూడు పొరుగు ప్రాంతాల నుండి వచ్చినట్లు కనుగొంది, అయితే పొలిమేరలలో దాదాపు ఎటువంటి స్పందన లేదు. ఆన్‌లైన్ ఫారమ్‌కి యాక్సెస్ అక్కడ తక్కువగా ఉంది. బృందం ముఖాముఖి సమావేశం మరియు ఇంటి సర్వేని జోడించడం ద్వారా ప్రాతినిధ్యాన్ని మెరుగుపరుస్తుంది. ఛానల్ వైవిధ్యం సరసత కోసం ఒక అవసరం.

కేసు 3 - నిజాయితీగా నివేదించడం. ఒక మునిసిపాలిటీ తన భాగస్వామ్య నివేదికలో స్పష్టంగా "ఈ ప్రక్రియలో 2,400 మంది పాల్గొన్నారు; అయినప్పటికీ, 65 ఏళ్లు పైబడినవారు మరియు రెండు సబర్బన్ పరిసరాలు తక్కువగా ప్రాతినిధ్యం వహించాయి మరియు ఈ సమూహాల కోసం అదనపు సమావేశాలు నిర్వహించబడ్డాయి." పార్లమెంటు వాస్తవిక బరువుతో ఫలితాన్ని అంచనా వేస్తుంది. లోపాన్ని దాచిపెట్టకుండా నివేదించడం భాగస్వామ్యాన్ని చట్టబద్ధం చేస్తుంది.

సాధారణ తప్పులు

  • AI సారాంశాన్ని మాత్రమే నిజం అని తప్పుపట్టడం. ముడి డేటాకు ప్రాప్యత తప్పనిసరిగా రక్షించబడాలి; ఇది సారాంశ వ్యాఖ్య.
  • ఫెయిర్‌నెస్‌తో ఫ్రీక్వెన్సీ గందరగోళం. చాలా పునరావృత అభ్యర్థన అత్యంత ఖచ్చితమైన అభ్యర్థన కాదు.
  • మైనారిటీ పరిచయాన్ని తొలగించడం. అరుదైన కానీ క్లిష్టమైన హెచ్చరికలు (భద్రత, వరద) కోల్పోకూడదు.
  • పాల్గొనేవారి ప్రొఫైల్‌ను సమీక్షించడం లేదు. ఎవరు తప్పిపోయారనే ప్రశ్న అడగకపోతే, మినహాయింపు కనిపించదు.
  • ఒకే ఛానెల్‌పై ఆధారపడుతున్నారు. ప్రతి ఛానెల్ ఒక సమూహాన్ని కోల్పోతుంది; వైవిధ్యం తప్పనిసరి.
  • భాగస్వామ్యాన్ని "ఆమోదం"గా ప్రదర్శిస్తోంది. పాల్గొనడం అనేది నిర్ణయానికి ఇన్‌పుట్, చట్టబద్ధత యొక్క పొర కాదు.
  • వ్యక్తిగత డేటాను రక్షించడం లేదు. అనామకీకరణ లేకుండా అభిప్రాయాలను ప్రాసెస్ చేయకూడదు.

సారాంశంలో

భాగస్వామ్య ప్రణాళిక అనేది ప్రణాళికను చట్టబద్ధం చేసే జ్ఞానం మరియు ప్రజాస్వామ్యానికి మూలం; AI అనేది సేకరించిన పెద్ద గుణాత్మక డేటాను సంగ్రహించడం, థీమ్-సంగ్రహించడం మరియు నివేదించడంలో శక్తివంతమైన సహాయం. కానీ AI ప్రాతినిధ్య పక్షపాతాన్ని కలిగి ఉంటుంది: ఇది మెజారిటీని మరియు తరచుగా వ్యక్తీకరణను ఎలివేట్ చేస్తుంది మరియు మైనారిటీని మరియు డిజిటల్‌గా అందుబాటులో లేని వాటిని తగ్గిస్తుంది. సరైన ఉపయోగం కోసం ముడి డేటాకు ప్రాప్యతను నిర్వహించండి, మైనారిటీ థీమ్‌లను విడిగా పర్యవేక్షించండి, పార్టిసిపెంట్ ప్రొఫైల్‌లను సమీక్షించండి మరియు అదనపు ఛానెల్‌ల ద్వారా తప్పిపోయిన సమూహాలను పూరించండి మరియు పురోగతిని నిజాయితీగా నివేదించండి. AI సారాంశం భాగస్వామ్యానికి ప్రత్యామ్నాయం కాదు; తుది నిర్ణయం పారదర్శకమైన, జవాబుదారీతనంతో కూడిన ప్రజా ప్రక్రియతో ఉంటుంది.

అప్లికేషన్ టాస్క్

ఎంగేజ్‌మెంట్ డేటాసెట్‌ను (నిజమైన లేదా నమూనా) పరిగణించండి. (1) మొదటి టెంప్లేట్‌తో విడిగా ప్రధాన మరియు మైనారిటీ థీమ్‌లను సంగ్రహించండి; కనీసం ఒక క్లిష్టమైన మైనారిటీ థీమ్‌ని సంగ్రహించండి. (2) రెండవ టెంప్లేట్‌తో, పాల్గొనేవారి ప్రొఫైల్‌ను సమీక్షించండి, తప్పిపోయిన సమూహాన్ని గుర్తించండి మరియు అదనపు ఛానెల్‌ని సూచించండి. (3) మూడవ టెంప్లేట్‌తో ముడి డేటాతో AI సారాంశాన్ని సరిపోల్చడానికి చెక్‌లిస్ట్‌ను రూపొందించండి. (4) "ఎవరు తప్పిపోయారు, ఎవరి గొంతు బొంగురుపోయింది?" ఈ డేటా సందర్భంలో ప్రశ్నకు సమాధానం ఇవ్వండి.

చెక్లిస్ట్

  • [] నేను భాగస్వామ్య డేటాను అజ్ఞాతీకరించాను; నేను వ్యక్తిగత డేటాను రక్షించాను.
  • [ ] నేను పాల్గొనేవారి ప్రొఫైల్‌ను సమీక్షించాను; తప్పిపోయిన సమూహాలను గుర్తించాను.
  • [] నేను మైనారిటీ మరియు క్లిష్టమైన థీమ్‌లను కూడా కోరుకున్నాను; నేను అతన్ని ఎలిమినేట్ చేయకుండా అడ్డుకున్నాను.
  • [ ] నేను AI సారాంశాన్ని ముడి డేటాతో పోల్చాను.
  • [ ] నేను తప్పిపోయిన సౌండ్‌లను అదనపు పార్టిసిపేషన్ ఛానెల్‌లతో పూర్తి చేసాను.
  • [] నేను హాజరును నిజాయితీగా నివేదించాను; నేను దానిని "ఆమోదం"గా ప్రదర్శించలేదు.
  • [ ] నేను తుది నిర్ణయాన్ని పారదర్శక ప్రజా ప్రక్రియకు వదిలివేస్తాను.