क्रिकेट कवरेज में डेटा-विफलता: जब खबर नहीं, सिर्फ़ खाली टेम्पलेट बचता है

क्रिकेट कवरेज में तेज़ी और सटीकता का तालमेल हमेशा से चुनौती रहा है। मैच खत्म होने के कुछ ही मिनटों में स्कोर, प्रदर्शन और बयान हर जगह मौजूद होते हैं, और इस दौड़ में ऑटोमेटेड कंटेंट-प्रोसेसिंग सिस्टम की भूमिका लगातार बढ़ रही है। लेकिन हाल में सामने आए एक ऑडिट ने इसी व्यवस्था की एक गंभीर कमज़ोरी उजागर की है। जिस आर्टिफ़ैक्ट को स्टेज-1 का नतीजा बताया गया, वह असल में कोई विश्लेषण-योग्य लेख था ही नहीं — वह एक विफलता का नमूना था। जिस भी फ़ील्ड में सामग्री की ज़रूरत थी, वह खाली थी या एन/ए। सारांश खाली, रुख एन/ए, उद्देश्य एन/ए, सूचना-बिंदु शून्य, और एंटिटीज़ वाला हिस्सा खुद से कह रहा था कि 'ऊपर दिए सूचना-बिंदुओं से पहचानें' — यानी वहाँ निर्देश भरा गया था, नतीजा नहीं। ऐसे आर्टिफ़ैक्ट पर लेख का गहरा विश्लेषण करने की कोशिश करना शुद्ध मनगढ़ंत होगा। जो ईमानदारी से किया जा सकता है, वह यह है कि आर्टिफ़ैक्ट क्या साबित करता है, उसमें से एकमात्र काम का संकेत कौन सा है, स्टेज-2 क्या कर सकता है और क्या नहीं, और सुधार का रास्ता क्या है। ऑडिट की सबसे स्पष्ट बात यह है कि विफलता किसी एक फ़ील्ड तक सीमित नहीं थी। सूचना-बिंदुओं की सूची पूरी तरह शून्य थी, और यही मूल कारण साबित हुआ, क्योंकि बाकी हर फ़ील्ड इन्हीं बिंदुओं से निकलती है। जब स्रोत सामग्री से एक भी तथ्य नहीं निकला, तो एक-वाक्य सारांश बन ही नहीं सकता — संक्षेप करने के लिए पहले कुछ होना ज़रूरी है। लेखक का रुख भी इसीलिए अनुपलब्ध रहा; रुख का मतलब है दावा, उसके पक्ष में सबूत, और विधा का तुलनात्मक संदर्भ — तीनों में से एक भी मौजूद न हो तो रुख तय करना संभव नहीं। इसी तरह लेख का उद्देश्य भी अनुपलब्ध रहा। एंटिटीज़ वाले खाने में जो पाठ दिखा, वह प्रॉम्प्ट का हिस्सा था, कोई निष्कर्ष नहीं — यह आत्म-संदर्भीय निर्देश है। समय-संवेदनशीलता पर साफ़ लिखा था कि स्टेज-1 में इसका आकलन नहीं हुआ। क्रिकेट जैसी विधा में यह कोई छोटी चूक नहीं — यही सबसे उपयोगी वर्गीकरण निर्णय को ही रोक देती है। और स्रोत की गुणवत्ता के लिए कहा गया कि 'स्रोत फ़ील्ड से अनुमान लगाएँ', जबकि ऐसा कोई फ़ील्ड मौजूद ही नहीं था। सबसे बड़ा नैदानिक संकेत यह मिला कि अतिरिक्त टिप्पणियों में नतीजों की जगह निर्देश भरे थे। यानी टेम्पलेट भेज दिया गया, भरा नहीं गया। यह इस बात का संकेत है कि समस्या 'सामग्रीविहीन लेख' की नहीं, बल्कि निष्पादन में कहीं बीच में टूट पड़ने की है। यहाँ एक असली अंतर्दृष्टि छिपी है, जिसे कॉन्फिडेंस की असमानता कहा जा सकता है। सिस्टम ने लेख का प्रकार 'अवर्गीकृत' छोड़ा, लेकिन डोमेन लेबल पूरे भरोसे से 'क्रिकेट वर्ल्ड' दिया। ये दोनों एक-दूसरे से टकराते हैं, क्योंकि सामान्यतः डोमेन पहचान, प्रकार पहचान से आसान और व्यापक काम होता है — डोमेन, प्रकार का सुपरसेट होता है। अगर प्रकार तय नहीं हुआ, तो डोमेन का इतना पक्का होना सवाल खड़ा करता है। इसकी दो वजहें हो सकती हैं। पहली, डोमेन लेबल लेख के मुख्य पाठ से नहीं, बल्कि मेटाडेटा, यूआरएल स्लग या सिर्फ़ 'क्रिकेट' जैसे एक कीवर्ड से लगाया गया हो — यानी लेबल कमज़ोर आधार पर टिका है। दूसरी, दो अलग सबसिस्टम अलग-अलग थ्रेशोल्ड पर चले हों और डोमेन क्लासिफायर की शर्त ज़्यादा ढीली रही हो। दोनों हालतों में सबक एक ही है: 'क्रिकेट वर्ल्ड' को निष्कर्ष नहीं, एक पूर्वानुमान मानिए। यह सिर्फ़ विषय-क्षेत्र बताता है, यह नहीं बताता कि क्रिकेट की सामग्री सचमुच पढ़ी गई। विधा अज्ञात है, लेकिन इस डोमेन की शाखाएँ अनुमान-योग्य हैं — और स्टेज-2 को इन्हीं के बीच भेद करना है, किसी एक को मान लेना नहीं। पहली शाखा मैच रिपोर्ट है, जिसकी उम्र घंटों में नापी जाती है; रुख तटस्थ-वर्णनात्मक रहता है, और एंटिटीज़ में दो टीमें, प्रमुख प्रदर्शनकार, मैदान और प्रारूप आते हैं। दूसरी शाखा पूर्वावलोकन या टीम-न्यूज़ है, जिसकी ताज़गी टॉस के साथ खत्म हो जाती है और जिसमें चयन व चोट से जुड़ी एंटिटीज़ का घनत्व बहुत ऊँचा होता है। तीसरी शाखा विश्लेषण या ओपिनियन कॉलम है, जहाँ रुख ही मुख्य सामग्री होता है — वहाँ घटना की संरचना नहीं, तर्क की संरचना मिलती है। चौथी शाखा प्रशासन और गवर्नेंस है — बोर्ड, आईसीसी, शेड्यूलिंग, वित्त — जिसकी समय-क्षय दर कम होती है और जिसमें स्रोत की गुणवत्ता प्राथमिक दस्तावेज़ों पर टिकी होती है। पाँचवीं शाखा खिलाड़ी प्रोफ़ाइल, फ़ीचर या इतिहास है, जो लगभग सदाबहार होती है और जिसकी समय-संवेदनशीलता कम होती है। छठी शाखा रैंकिंग, रिकॉर्ड या लिस्टिकल है, जो कुछ दिनों में पुरानी पड़ जाती है, आँकड़ों से भरी होती है और जिसमें रुख बहुत हल्का होता है। ये छह संभावनाएँ हैं, निष्कर्ष नहीं। यहाँ सबसे बड़ी चूक दर्ज हुई — समय-संवेदनशीलता का आकलन ही नहीं हुआ। क्रिकेट में यह कोई मामूली फ़ील्ड नहीं है। यही तय करती है कि कोई टुकड़ा खबर है (घंटों में बासी), आवधिक है (दिनों में), या सदाबहार (सालों में)। इसे एन/ए छोड़ देना सबसे काम की ट्रायाज शर्त को ही बंद कर देने जैसा है। एक मैच रिपोर्ट और एक ओपिनियन कॉलम, दोनों का लहजा सपाट हो सकता है, लेकिन दोनों का मतलब उलटा होता है — इसलिए विधा के बिना तटस्थता कोई अर्थ नहीं रखती। रुख-पहचान इस इनपुट पर सुरक्षित नहीं है। स्रोत की गुणवत्ता का आकलन भी असंभव रहा, क्योंकि प्रकाशक, बायलाइन, डेटलाइन या कोई उद्धरण-फ़ील्ड ही दर्ज नहीं हुआ। यह क्रिकेट डोमेन में खास तौर पर महत्वपूर्ण है, जहाँ एग्रीगेशन और सट्टेबाज़ी से जुड़ी एसईओ सामग्री की भरमार है। ऐसे में मूल-स्रोत की जानकारी ही गुणवत्ता की सबसे बड़ी कसौटी बनती है — और वह पूरी तरह ग़ायब थी। बिना प्रोवेनेंस के कोई भी गुणवत्ता-दावा हवा में लटका रहेगा। अगर इसी इनपुट पर स्टेज-2 चलाया गया, तो हैलुसिनेशन का खतरा ऊँचा है। सिस्टम टीमें, खिलाड़ी और एक पूरी कहानी गढ़ लेगा, क्योंकि उसे 'क्रिकेट' का संकेत मिला है और बाकी सब भरने का दबाव रहेगा। इसलिए एक सख़्त गेट ज़रूरी है: कम से कम एक सूचना-बिंदु और ग़ैर-शून्य लेख-प्रकार मौजूद हो, तभी आगे बढ़ें। सुधार के पाँच कदम सुझाए गए हैं। पहला, कच्चा इनपुट दोबारा दें — पूरा मुख्य पाठ या कैनोनिकल यूआरएल; सबसे संभावित वजह पेवॉल, जावास्क्रिप्ट से बना पेज, कटा हुआ फ़ेच या सिर्फ़ हेडलाइन का इनपुट हो सकता है। दूसरा, क्लासिफायर को निचली सीमा पर दोबारा चलाएँ — छह से दस परस्पर-अपवर्जी क्रिकेट विधाएँ रखें और कॉन्फिडेंस स्कोर अनिवार्य करें। तीसरा, सिर्फ़ हेडलाइन और लीड से भी न्यूनतम निष्कर्षण लागू करें — एक शीर्षक से भी एंटिटी और तारीख़ निकलती है; ग़ैर-खाली इनपुट से शून्य निष्कर्षण विफलता नहीं, बग है। चौथा, मूल-स्रोत के फ़ील्ड स्पष्ट रूप से दर्ज करें — प्रकाशक, बायलाइन, प्रकाशन तिथि, यूआरएल — क्योंकि स्रोत गुणवत्ता इन्हीं पर टिकी है, और इन्हें प्रथम-श्रेणी फ़ील्ड बनाना होगा। पाँचवाँ, टिप्पणी टेम्पलेट ठीक करें — निर्देश-वाक्यों की जगह गणना किए गए मान या स्पष्ट नल रखें, ताकि खाली आउटपुट और भरा न गया टेम्पलेट अलग-अलग पहचाने जा सकें। सार यह है कि इस आर्टिफ़ैक्ट पर लेख का विश्लेषण करना असंभव है, लेकिन इसकी विफलता-प्रकृति का विश्लेषण पूरे भरोसे के साथ किया जा सकता है — और वही इस रिपोर्ट का असली निष्कर्ष है। जब सिस्टम के पास कहने को कुछ न हो, तो सबसे ईमानदार आउटपुट खाली टेम्पलेट नहीं, बल्कि साफ़ तौर पर दर्ज विफलता होनी चाहिए। क्रिकेट कवरेज की भरोसेमंदी इसी बात पर टिकी है कि खबर और खाली ढाँचे के बीच का फ़र्क़ कहीं छिपे नहीं।