खाली इनपुट, भरा हुआ फ़ॉर्मैट: फुटबॉल न्यूज़ पाइपलाइन में 'नकली विश्लेषण' का खतरा

एक ऐसी रिपोर्ट, जिसमें खबर ही नहीं थी फुटबॉल मीडिया में इन दिनों एक चुपचाप फैलती समस्या है — ऐसे 'विश्लेषण' जो देखने में पूरे और पेशेवर लगते हैं, लेकिन जिनके पीछे कोई खबर ही नहीं होती। ताज़ा उदाहरण एक स्वचालित स्पोर्ट्स न्यूज़ पाइपलाइन से आया है, जहाँ दूसरे चरण का विश्लेषण (स्टेज-2) एक ऐसे इनपुट पर चलाया गया जिसमें शीर्षक, स्रोत, लेखक, प्रकाशन तिथि और एक भी तथ्यात्मक बिंदु मौजूद नहीं था। नतीजा यह निकला कि विश्लेषण का ढाँचा पूरा भरा हुआ लौटा — नौ आयाम, तालिकाएँ, जोखिम-मैट्रिक्स, शब्दावली, डिस्क्लेमर — लेकिन हर कोने पर वही एक वाक्य लिखा था: 'अपर्याप्त जानकारी, आकलन संभव नहीं।' सतही नज़र से यह एक तकनीकी खराबी भर लगती है। लेकिन स्पोर्ट्स जर्नलिज़्म के संदर्भ में यह कहीं ज़्यादा गंभीर है। आज फुटबॉल की कवरेज का बड़ा हिस्सा ऐसी ही स्वचालित प्रणालियों से गुज़रता है — स्क्रैपिंग, क्लासिफिकेशन, एंटिटी एक्सट्रैक्शन, फिर विश्लेषण। अगर श्रृंखला की पहली कड़ी में खालीपन आ गया और आगे के चरणों ने उसे पकड़ा नहीं, तो पाठक तक वह दस्तावेज़ पहुँच सकता है जो 'विश्लेषण' है पर सारतः खोखला। और ऐसा दस्तावेज़ पढ़ने वाले को यह कभी पता नहीं चलेगा कि उसके हाथ में कुछ भी नहीं है। फेल्योर का फिंगरप्रिंट: तीन संकेत उस रिपोर्ट ने अपनी ही विफलता का निदान खुद कर दिया, और यही उसका सबसे मूल्यवान हिस्सा है। तीन संकेत एक साथ मौजूद थे। पहला, सूचना-बिंदुओं की सूची पूरी तरह खाली थी — शून्य। दूसरा, 'डोमेन लेबल' भरा हुआ था, यानी 'football'। तीसरा, लेख का प्रकार 'अवर्गीकृत' (Unclassified) था। यह संयोजन अपने आप में एक निदान है। सामान्य परिस्थिति में कंटेंट-आधारित लेबल तभी बनते हैं जब कंटेंट पढ़ा गया हो। यहाँ उल्टा हुआ — कंटेंट शून्य, लेकिन लेबल मौजूद। इसका सबसे संभावित अर्थ यह है कि 'football' लेबल किसी डिफ़ॉल्ट या कॉन्फ़िग-लेवल सेटिंग से आया, कंटेंट से नहीं। दूसरे शब्दों में: जिस लेख को फुटबॉल मानकर पूरा विश्लेषण-ढाँचा चुना गया, वह फुटबॉल का लेख था ही नहीं — शायद कुछ भी नहीं था। यह बात महत्वपूर्ण है क्योंकि इसका असर सिर्फ एक रिपोर्ट पर नहीं पड़ता। अगर लेबल गलत तरीके से लगा है, तो उस पर बने हर टैग, हर आर्काइव एंट्री, हर सर्च इंडेक्स, हर 'संबंधित कंटेंट' सुझाव तक गलत जाएँगे। फुटबॉल मीडिया में जहाँ ट्रांसफर की अफवाहें घंटों में बासी हो जाती हैं, वहाँ गलत क्लासिफिकेशन एक दिन की नहीं, महीनों की समस्या बन जाती है। पाँच संभावित कारण, विश्वास-स्तर के साथ रिपोर्ट ने विफलता के पाँच कारणों को प्राथमिकता क्रम में रखा है, और यह क्रम अपने आप में एक संकेत है। सबसे ऊपर है 'स्रोत मशीन-पठनीय नहीं था' — पेवॉल, जावास्क्रिप्ट से बना पेज, वीडियो/ऑडियो-ओनली कंटेंट, या इमेज-आधारित टेक्स्ट जिसे OCR पढ़ नहीं सका। दूसरे नंबर पर 'इनपुट लेख था ही नहीं' — सिर्फ़ हेडलाइन वाला लिंक, एग्रीगेटर कार्ड, या फिक्स्चर/रिज़ल्ट लिस्टिंग। तीसरे पर 'एक्सट्रैक्शन-स्टेज की खराबी', यानी पार्सर ने खाली बॉडी लौटाई और आगे की भाषा-प्रोसेसिंग कभी चली ही नहीं। चौथे पर 'वाकई कंटेंट-मुक्त स्रोत' — फोटो गैलरी, प्रोमो पेज या लाइव-ब्लॉग का खोल। और सबसे नीचे 'डोमेन मिसलेबल'। यहाँ ध्यान देने वाली बात यह है कि पहले तीनों कारण एक ही दिशा में इशारा करते हैं — समस्या कंटेंट में नहीं, कंटेंट तक पहुँचने के रास्ते में है। और चूँकि तीनों की संभावना 'मध्यम' आँकी गई है, यह निष्कर्ष निकलता है कि किसी एक कारण को निश्चित मान लेना जल्दबाज़ी होगी। सही प्रक्रिया यही है: पहले दोबारा एक्सट्रैक्शन का प्रयास, उसमें HTML/PDF/OCR फ़ॉलबैक सक्षम करके, और परिणाम देखकर ही आगे बढ़ना। नौ-आयामी ढाँचा: जब हर आयाम खाली लौटे उस रिपोर्ट की सबसे बड़ी विशेषता यह है कि उसने नौ में से किसी भी आयाम को 'कम विश्वास' का दर्जा नहीं दिया, बल्कि सबको 'असंस्थापित' (non-instantiated) कहा। यह बारीक पर महत्वपूर्ण अंतर है। 'कम विश्वास' का मतलब होता है कि कोई विषय मौजूद है पर सबूत कमज़ोर हैं। यहाँ विषय ही मौजूद नहीं था। रणनीतिक आयाम में कोई फॉर्मेशन, कोई कोच, कोई प्रतियोगिता नहीं थी — इसलिए xG या PPDA जैसे किसी भी आधुनिक मीट्रिक की एक भी पंक्ति नहीं भर सकी। वित्तीय आयाम में कोई क्लब, कोई फीस, कोई वेतन-संरचना नहीं थी — इसलिए ब्रॉडकास्टिंग रेवेन्यू, वेतन-अनुपात और PSR/FFP हेडरूम की गणना असंभव रही। परिणाम-चक्र आयाम में कोई फिक्स्चर, कोई फॉर्म-सैंपल नहीं था। शासन-अनुपालन आयाम में कोई आरोप ही नहीं था — और यहाँ रिपोर्ट ने एक सही सावधानी बरती: बिना आरोप के प्रतिबंध-परिदृश्य (sanction scenario) गढ़ना खुद एक प्रतिष्ठा-जोखिम है, क्योंकि इससे ऐसा आभास बन सकता है कि स्रोत ने कोई आरोप लगाया था जो उसने कभी नहीं लगाया। इसी तरह ड्रेसिंग-रूम आयाम में कोई कप्तान, कोई गुट, कोई कोच-खिलाड़ी तनाव नहीं था। और उद्योग-ट्रांसमिशन आयाम में कोई ट्रिगर घटना नहीं थी — न ट्रांसफर, न ब्रॉडकास्ट डील, न नियम-परिवर्तन। बिना पहले क्रम की घटना के दूसरे क्रम के प्रभाव नहीं खोजे जा सकते। दिलचस्प बात यह है कि यह खालीपन खुद एक जानकारी है। अगर लेख वास्तव में मौजूद होता, तो कम से कम एक टीम, एक खिलाड़ी या एक प्रतियोगिता का नाम तो निकलता ही। बिल्कुल शून्य एंटिटी निकलना — यह सामान्य कवरेज में लगभग असंभव है। इसलिए शून्यता स्वयं साक्ष्य बन जाती है। सबसे बड़ा खतरा: फ़ॉर्मैट की झूठी वैधता रिपोर्ट ने जो सबसे तीखी बात कही, वह तकनीकी नहीं, संपादकीय है। ढाँचे की पूर्णता (template completeness) देखने में विश्लेषण की पूर्णता जैसी लगती है। जब एक दस्तावेज़ में नौ शीर्षक, साफ़-सुथरी तालिकाएँ, रेटिंग-स्केल, जोखिम-मैट्रिक्स और शब्दावली मौजूद हों, तो पढ़ने वाला — और खास तौर पर कोई डाउनस्ट्रीम सिस्टम — यह मान लेता है कि काम हो चुका है। यही 'false legitimacy' का जोखिम है। यह जोखिम काल्पनिक नहीं है। फुटबॉल कवरेज में आज ऐसे कई उत्पाद चल रहे हैं जो लाइव स्कोर, फॉर्म-गाइड, ट्रांसफर-रुमर रेटिंग और 'प्रीव्यू' एक साथ एक ही टेम्पलेट में पैदा करते हैं। जब पाइपलाइन का कोई चरण विफल होता है, तो वह विफलता दिखती नहीं — क्योंकि आउटपुट का आकार वही रहता है। पाठक को फ़र्क़ नहीं दिखता; एडिटर को भी नहीं, अगर वह सिर्फ़ फ़ॉर्मैट देख रहा हो। रिपोर्ट ने इसका इलाज भी सुझाया: ऐसे दस्तावेज़ को स्पष्ट रूप से 'NULL-INPUT / NOT ANALYSIS' लेबल करना, और उसे किसी भी ऐसे आर्काइव में दर्ज न करना जो 'विश्लेषित सामग्री' के रूप में इंडेक्स होता है। यह सुझाव सरल है पर इसकी अनुपालना अक्सर नहीं होती, क्योंकि खाली आउटपुट को फेंकना 'नुकसान' लगता है — जबकि उसे रखना असल में बड़ा नुकसान है। आधुनिक फुटबॉल का डेटा-आधार और उसकी अनुपस्थिति यह समझने के लिए कि ऊपर का खालीपन कितना गंभीर है, आधुनिक फुटबॉल-विश्लेषण की मानक सामग्री को याद करना काफ़ी है। रणनीति की बात हो तो फॉर्मेशन, प्रेसिंग-इंटेंसिटी (PPDA), मौका-गुणवत्ता (xG) और पर्सनल-फिट की चर्चा होती है। वित्त की बात हो तो ट्रांसफर फीस का परिशोधन (amortisation), वेतन-से-रेवेन्यू अनुपात, और PSR/FFP हेडरूम। शासन की बात हो तो विशिष्ट नियम, विशिष्ट विषय और विशिष्ट आरोप। ये सब ऐसी चीज़ें हैं जो एक सामान्य फुटबॉल लेख से लगभग अपने आप निकल आती हैं — भले ही लेखक ने उन्हें स्पष्ट रूप से न लिखा हो। एक मैच रिपोर्ट में कम से कम टीमें और स्कोर होते हैं। एक ट्रांसफर रिपोर्ट में कम से कम एक खिलाड़ी और एक क्लब। यहाँ इनमें से कुछ भी नहीं था। इसलिए खालीपन कोई विश्लेषणात्मक निर्णय नहीं था — वह संरचनात्मक था। इसका सीधा असर पाठक के भरोसे पर पड़ता है। फुटबॉल में ट्रांसफर अफवाहें एक पूरी अर्थव्यवस्था हैं, और उनकी कीमत पूरी तरह स्रोत की श्रेणी पर टिकी होती है — कौन बता रहा है: आधिकारिक स्रोत, सामान्य मीडिया, या कमज़ोर एग्रीगेटर। उस रिपोर्ट में स्रोत का नाम ही नहीं था, इसलिए 'स्रोत-श्रेणी' को 'अनिर्धार्य' कहा गया। यह सही रुख है। एक ऐसी अफवाह जिसका स्रोत ही न पता हो, उसे ग्रेड नहीं दिया जा सकता — और ग्रेड के बिना उसे खबर नहीं कहा जा सकता। बैच-स्तरीय साइलेंट फेल्योर शायद सबसे चिंताजनक निष्कर्ष यह था कि यह घटना अकेली नहीं होगी। अगर एक आइटम खाली पेलोड के साथ स्टेज-2 तक पहुँच गया, तो इसका मतलब है कि दोनों चरणों के बीच कोई null-check गेट नहीं है। और अगर गेट नहीं है, तो उसी बैच में शामिल बाकी आइटम भी उसी तरह चुपचाप निकल सकते हैं। रिपोर्ट ने इसके लिए एक ठोस मापदंड दिया: अगर एक ही इनजेशन रन में इस सिग्नेचर वाले आइटम बैच के 5 प्रतिशत से ज़्यादा हों, तो इसे अलग-थलग त्रुटि नहीं, बल्कि सिस्टमिक पार्सर रिग्रेशन मानना चाहिए। यह एक उपयोगी थ्रेशोल्ड है क्योंकि यह जाँच को सस्ता बनाता है — पूरे बैच को दोबारा पढ़ने की ज़रूरत नहीं, सिर्फ़ सिग्नेचर मिलान चाहिए। और चूँकि इस आइटम की विफलता-अवस्था ज्ञात है, यह खुद एक तैयार रिग्रेशन टेस्ट है। अगली पाइपलाइन रिलीज़ में इसे टेस्ट-केस के रूप में डालकर यह सुनिश्चित किया जा सकता है कि खाली इनपुट कभी दूसरे चरण तक न पहुँचे। यह वह सुधार है जिसकी लागत लगभग शून्य है और लाभ संचयी है। समाधान: न्यूनतम व्यवहार्य इनपुट रिपोर्ट ने स्पष्ट किया कि इस आइटम को 'वास्तविक विश्लेषण' में बदलने के लिए स्टेज-1 को न्यूनतम क्या देना होगा: कम से कम तीन सूचना-बिंदु (हर एक अलग, स्रोत-संबद्ध तथ्यात्मक दावा), कम से कम एक नामित एंटिटी (टीम, खिलाड़ी, कोच या प्रतियोगिता), प्रकाशन तिथि, स्रोत की पहचान और श्रेणी, और लेख का प्रकार (मैच रिपोर्ट / ट्रांसफर / वित्त / शासन / प्रोफ़ाइल / ओपिनियन)। यह सूची दिखने में साधारण है, लेकिन यह एक अनुशासन है। इसका सबसे अहम हिस्सा वह नियम है जो रिपोर्ट ने अपने ऊपर लगाया: कोई भी एंटिटी स्टेज-2 रिपोर्ट में नहीं आ सकती जो स्टेज-1 के किसी क्रमांकित सूचना-बिंदु से ट्रेस न हो। यही वह दीवार है जो 'विश्लेषण' और 'अनुमान' के बीच खड़ी होती है। फुटबॉल में यह दीवार खास तौर पर ज़रूरी है, क्योंकि यहाँ हर कोई हर किसी के बारे में कुछ 'जानता' है। किसी भी बड़े क्लब का नाम सुनते ही दिमाग़ अपने आप संभावित ट्रांसफर, संभावित मैनेजर और संभावित संकट भरने लगता है। एक मॉडल के लिए यह प्रवृत्ति और भी खतरनाक है, क्योंकि वह इन रिक्त स्थानों को सहजता से भर देता है — और भरा हुआ टेम्पलेट सही लगने लगता है। निष्कर्ष इस पूरी घटना का सार यह है: ताज़ा रिपोर्ट कोई फुटबॉल खबर नहीं थी। वह एक खाली फ़्रेम थी, जिसे पूरी ईमानदारी से खाली बताया गया। और यही उसकी सबसे बड़ी उपलब्धि है। एक कमज़ोर प्रणाली इसे भरने की कोशिश करती; एक अनुशासित प्रणाली ने इसे खाली छोड़कर विफलता का नाम ले लिया। लेकिन यह जीत अधूरी है। खाली फ़्रेम अस्वीकार नहीं हुआ, बल्कि आगे बढ़ा — भले ही सारे 'N/A' के साथ। सही समाधान यह होता कि यह आइटम स्टेज-2 में प्रवेश ही न करता। अगली बार जब कोई स्पोर्ट्स न्यूज़ पाइपलाइन 'पूरा विश्लेषण' दिखाए, तो सबसे पहला सवाल यह नहीं होना चाहिए कि उसमें क्या लिखा है — पहला सवाल यह होना चाहिए कि उसमें कितने तथ्य हैं। अगर जवाब शून्य है, तो बाकी सब बेमानी है।