क्रिकेट कंटेंट पाइपलाइन का 'साइलेंट फेल्योर': फ़ॉर्मेट सही, खबर गायब

क्रिकेट कवरेज के लिए चल रहे एक ऑटोमेटेड कंटेंट-एनालिसिस सिस्टम में एक ऐसा केस दर्ज हुआ है, जिसे तकनीकी भाषा में 'साइलेंट फेल्योर' कहा जाता है। सिस्टम का पहला चरण पूरा हुआ, आउटपुट का ढाँचा सौ फ़ीसदी सही रहा, हर अपेक्षित फ़ील्ड भरी हुई दिखी — लेकिन उन फ़ील्ड्स के अंदर खबर नाम की कोई चीज़ मौजूद नहीं थी। शीर्षक की जगह 'एन/ए', स्रोत की जगह 'एन/ए', आर्टिकल टाइप 'अवर्गीकृत', और सबसे अहम फ़ील्ड — इन्फ़ॉर्मेशन पॉइंट्स — पूरी तरह खाली। यानी जिस तथ्य-आधार पर आगे का पूरा विश्लेषण टिकना था, वही आधार अनुपस्थित था। सबसे चौंकाने वाली बात तकनीकी है, खबर की नहीं। 'एंटिटीज़ इन्वॉल्व्ड' यानी इसमें कौन-कौन शामिल है, वाले फ़ील्ड में नामों की सूची के बजाय एक निर्देश लिखा हुआ लौटा — 'ऊपर दिए गए इन्फ़ॉर्मेशन पॉइंट्स से पहचानें।' यह अपने आप में निदान है। जब कोई सिस्टम अपने ही टेम्पलेट का निर्देश आउटपुट के रूप में लौटाने लगे, तो साफ़ है कि एक्सट्रैक्शन (निकासी) कहीं टूटी है। यह असामान्य नहीं, बल्कि पाइपलाइन की जानी-मानी गड़बड़ है: सोर्स से टेक्स्ट ही नहीं निकला, इसलिए फ़ॉर्मेट भरने के लिए कुछ था ही नहीं। इस पूरे आउटपुट में एकमात्र बचा हुआ संकेत है टैक्सोनॉमी टैग — 'क्रिकेट_एशिया'। यह टैग बताता है कि आर्टिकल संभवतः एशियाई क्रिकेट से जुड़ा रहा होगा — आईसीसी के एशियाई सदस्य बोर्ड, एशिया कप, आईपीएल, पीएसएल या कोई एशियाई द्विपक्षीय सीरीज़। लेकिन यह महज़ एक मेटाडेटा अवशेष है, खबर का सबूत नहीं। इसे तथ्य मान लेना वही गलती है जो पूरा संकट पैदा करती है। यहीं से असली सवाल शुरू होता है। सिस्टम के दूसरे चरण में आठ-आयामी विश्लेषण ढाँचा लागू किया जाना था — प्रारूप और मैच विश्लेषण, खिलाड़ी तकनीक और आँकड़े, टीम परिदृश्य और रैंकिंग, लीग और वाणिज्यिक पारिस्थितिकी, नियम और शासन, जोखिम-पक्ष, जन-नैरेटिव और उद्योग ट्रांसमिशन। इनमें से एक भी आयाम ऐसा नहीं है जो बिना ठोस इनपुट के भरा जा सके। प्रारूप का पता न हो तो पावरप्ले, मिडिल ओवर और डेथ ओवर की बात करना ही बेमानी है। टीम का नाम न हो तो रैंकिंग या स्क्वाड संतुलन पर एक शब्द लिखना भी असंभव है। खिलाड़ी की पहचान न हो तो औसत, स्ट्राइक रेट या इकॉनमी रेट किसी काल्पनिक आँकड़े के अलावा कुछ नहीं हो सकते। इसलिए जो सही नतीजा निकाला गया, वह यही था कि सभी आठ आयामों को स्पष्ट रूप से शून्य घोषित कर दिया जाए — 'अपर्याप्त सूचना'। यह कमज़ोरी नहीं, अनुशासन है। और यही इस पूरे प्रकरण का सबसे शिक्षाप्रद हिस्सा है। क्रिकेट ऐसा खेल है जहाँ गढ़ी हुई बातें सबसे आसानी से असली लगती हैं। कल्पना कीजिए कि सिस्टम ने खाली जगह भरने के लिए कहानी बुन दी होती — किसी सलामी बल्लेबाज़ का चालीस की औसत, किसी तेज़ गेंदबाज़ की बीस की इकॉनमी, किसी टीम की घरेलू जीत का रिकॉर्ड। ये आँकड़े इतने परिचित लगते हैं कि पाठक उन्हें चुनौती देने की जहमत नहीं उठाता। और यही खतरा है। क्रिकेट पत्रकारिता में 'विश्वसनीय लगने वाला' सबसे बड़ा दुश्मन है, क्योंकि इसकी सांख्यिकीय सतह इतनी घनी है कि कोई भी अंदाज़ा तथ्य जैसा दिखने लगता है। दूसरा खतरा स्रोत-लॉन्ड्रिंग का है। जब किसी आउटपुट में तथ्य न हों और वह आगे किसी मॉडल या पब्लिशिंग फ़्लो में बिना जाँच पास हो जाए, तो कुछ ही घंटों में वही लेख 'सूत्र-आधारित विश्लेषण' का दर्जा पा जाता है। फिर कोई नहीं पूछता कि मूल स्रोत क्या था। यही साइलेंट फेल्योर का सबसे महँगा परिणाम होता है — खबर गलत नहीं होती, खबर होती ही नहीं, और फिर भी छप जाती है। अब सवाल यह है कि टेक्स्ट आख़िर गया कहाँ? इस आउटपुट की बनावट एक साफ़ संकेत देती है कि गड़बड़ी सोर्स के अंदर नहीं, बल्कि सोर्स से टेक्स्ट निकालने की प्रक्रिया में हुई। तीन संभावनाएँ सबसे प्रबल हैं। एक, आर्टिकल पे-वॉल के पीछे रहा हो और स्क्रैपर को सिर्फ़ हेडलाइन मिली हो। दो, पेज वीडियो-फ़र्स्ट या इमेज-लेड रहा हो, जहाँ बॉडी टेक्स्ट न्यूनतम हो। तीन, पेज जावास्क्रिप्ट से रेंडर होता हो और स्टैटिक फ़ेच में कुछ भी न आया हो। तीनों ही स्थितियों में नतीजा एक ही होता है — स्कीमा भर जाता है, अर्थ खाली रह जाता है। इसी से जुड़ा दूसरा सवाल स्रोत-गुणवत्ता का है। स्टेज-1 में 'स्रोत' फ़ील्ड ही 'एन/ए' है, यानी यह तय करने का कोई ज़रिया नहीं कि खबर किस स्तर की थी — बोर्ड की आधिकारिक विज्ञप्ति, किसी सीनियर रिपोर्टर की बायलाइन वाली खबर, या ट्रैफ़िक के लिए जोड़-तोड़ करने वाला एग्रीगेटर। क्रिकेट में यह अंतर निर्णायक है, ख़ासकर नीलामी, अनुबंध और चयन से जुड़ी खबरों में, जहाँ एजेंट-प्रेरित कीमत फुलाने की परंपरा पुरानी है। स्रोत नाम न हो तो इस छँटाई का कोई उपाय नहीं बचता। तीसरा अभाव समय-संवेदनशीलता का है। 'टाइम सेंसिटिविटी' का आकलन ही नहीं हुआ, यानी लेख कल का है या तीन महीने पुराना — पता लगाने का कोई तरीका नहीं। क्रिकेट में यह गंभीर मसला है क्योंकि आईसीसी रैंकिंग और विश्व टेस्ट चैंपियनशिप की अंकतालिका लगातार बदलती रहती हैं। बिना तारीख़ के उद्धृत कोई भी रैंकिंग दावा कुछ ही हफ़्तों में पुराना पड़ सकता है, और पाठक को इसका अंदाज़ा भी नहीं होगा। यहाँ एक और जाल है जिसे स्पष्ट करना ज़रूरी है। विश्लेषण ढाँचे में कुछ ऐसे उदाहरण मौजूद हैं जो क्रिकेट की सार्वजनिक रूप से दर्ज घटनाएँ हैं — बड़े तीन बोर्डों के राजस्व बँटवारे की बहस, डीआरएस और अंपायर कॉल को लेकर विवाद, स्पॉट-फ़िक्सिंग से जुड़े मामले, खिलाड़ियों को विदेशी लीग में खेलने की अनुमति यानी एनओसी को लेकर टकराव। इनका ज़िक्र सिर्फ़ इसलिए है कि ढाँचे में इन्हें मिसाल के तौर पर रखा गया है — इनमें से कोई भी इस लेख की विषय-वस्तु नहीं है। इन्हें इस केस से जोड़कर पढ़ना ठीक वैसी ही गलती होगी जैसे खाली फ़ील्ड को टैग से भरना। इस पूरे प्रकरण में एक ही जगह पर एक वाजिब पूर्वानुमान दर्ज किया जा सकता है, और वह भौगोलिक है। 'क्रिकेट_एशिया' टैग और स्रोत-शीर्षक दोनों की अनुपस्थिति मिलकर यह संकेत देती है कि सामग्री सिंडिकेटेड या एग्रीगेटेड क्षेत्रीय कवरेज की हो सकती है, न कि किसी मौलिक बायलाइन वाली रिपोर्ट की। इसके साथ एक दूसरा सामान्य नियम जोड़ना उपयोगी है: दक्षिण एशियाई क्रिकेट मीडिया दुनिया का सबसे तेज़ प्रवर्धन (एम्प्लिफिकेशन) वाला माहौल है, जहाँ लीग-हाइप और अंतरराष्ट्रीय प्रारूप में उसका रूपांतरण अक्सर अलग-अलग रास्तों पर चलते हैं। इसलिए इस क्षेत्र की किसी भी सामग्री पर डेटा मिलने तक 'हाइप-डिस्काउंट' यानी शुरुआती शंका का रुख़ डिफ़ॉल्ट रखना चाहिए। यह पूर्वाग्रह नहीं, अनुभवजन्य सतर्कता है। अब वह हिस्सा जो सबसे काम का है — इस केस से निकले जवाबदेही के सबक। पहला और सबसे ज़रूरी: खाली 'इन्फ़ॉर्मेशन पॉइंट्स' वाले किसी भी आइटम को विश्लेषण कतार से बाहर करें और मूल सोर्स — रॉ एचटीएमएल, पीडीएफ या सीएमएस रिकॉर्ड — दोबारा हासिल कर स्टेज-1 फिर चलाएँ। दूसरा: ऐसे आउटपुट को कभी क्रिकेट कमेंट्री के तौर पर पब्लिश, उद्धृत या संग्रहीत न करें; आंतरिक रूप से 'शून्य-साक्ष्य / पाइपलाइन दोष' का लेबल लगाएँ। तीसरा: स्कीमा स्तर पर एक नल-गेट बनाएँ, जो स्टेज-1 को तब विफल घोषित करे जब 'एंटिटीज़ इन्वॉल्व्ड' में निर्देश-पाठ हो, सूची खाली हो, या इन्फ़ॉर्मेशन पॉइंट्स एक तय न्यूनतम से कम हों। चौथा: प्रकाशन-तिथि को अनिवार्य फ़ील्ड बनाएँ, क्योंकि तारीख़ के बिना सही सामग्री भी सुरक्षित रूप से दोबारा इस्तेमाल लायक नहीं रहती। पाँचवाँ: इनजेशन के समय प्रकाशक, बायलाइन और यूआरएल दर्ज करें — स्रोत-स्तर एक कठोर पूर्वशर्त है, नरम फ़ील्ड नहीं। छठा: सब-डोमेन टैग को केवल मेटाडेटा मानें; उसे कभी एंटिटी या प्रारूप की धारणा का बीज न बनने दें। इन सिफ़ारिशों के पीछे एक सीधा तर्क है। जो विफलता यहाँ हुई, वह एक बार की दुर्घटना नहीं है — यह हर पे-वॉल्ड, वीडियो-लेड और स्क्रिप्ट-रेंडर्ड सोर्स पर दोहराती है। और चूँकि यह ढाँचे की जाँच पास कर जाती है, इसलिए यह दिखती नहीं। सिस्टम की नज़र में सब ठीक है; पाठक की नज़र में एक खाली खबर है। जिन संकेतों पर नज़र रखनी चाहिए, वे स्पष्ट हैं: क्या मूल यूआरएल से बॉडी टेक्स्ट दोबारा हासिल हो पाता है; क्या मेटाडेटा या आर्काइव टाइमस्टैम्प से कोई प्रकाशन-तिथि निकलती है; क्या प्रकाशक और लेखक की पहचान दर्ज हो पाती है; और क्या 'क्रिकेट_एशिया' जैसा टैग पुनःप्राप्त सामग्री से मेल खाता है या नहीं। इनमें से हर संकेत यह तय करता है कि दोबारा चलाया गया विश्लेषण भरोसेमंद होगा या नहीं। पाठकों के लिए एक संक्षिप्त शब्दावली, क्योंकि इस तरह की चर्चाओं में शब्द अक्सर मिला दिए जाते हैं। पावरप्ले सीमित ओवर क्रिकेट की शुरुआती ओवर होती हैं जिनमें फ़ील्डिंग प्रतिबंध लागू रहते हैं — टी20 में पहले छह ओवर। डेथ ओवर पारी के आख़िरी ओवर होते हैं, टी20 में 16 से 20, जहाँ सबसे ज़्यादा रन और सबसे ज़्यादा जोखिम होता है। स्ट्राइक रेट बल्लेबाज़ी में प्रति सौ गेंद पर बनाए रन हैं और गेंदबाज़ी में प्रति ओवर लुटाए रन — यानी इकॉनमी रेट; दोनों अर्थों को कभी नहीं मिलाना चाहिए। डीएलएस यानी डकवर्थ-लुईस-स्टर्न विधि बारिश के बाद लक्ष्य तय करने का मानक तरीका है। डीआरएस बॉल-ट्रैकिंग आधारित समीक्षा प्रणाली है, जिसमें 'अंपायर कॉल' तकनीक की त्रुटि-सीमा के भीतर मैदानी फ़ैसले को बरकरार रखता है। एनओसी यानी नो ऑब्जेक्शन सर्टिफ़िकेट वह अनुमति है जो बोर्ड खिलाड़ी को विदेशी लीग में खेलने के लिए देता है। डब्ल्यूटीसी विश्व टेस्ट चैंपियनशिप है, आईसीसी की टेस्ट अंकतालिका और फ़ाइनल। और टेस्ट, वनडे व टी20 — तीनों प्रारूपों के आँकड़े एक-दूसरे के सबूत नहीं होते; यह अलगाव बुनियादी नियम है। इस पूरे प्रकरण का सार एक वाक्य में यह है: खाली स्रोत पर चिकना, आत्मविश्वास से भरा और आठ आयामों वाला विश्लेषण पेश करना सबसे नुकसानदेह संभव नतीजा होता। जो हुआ, वह उसका उल्टा है — एक अनुशासित शून्य परिणाम। क्रिकेट के बारे में कोई खेल-संबंधी, वाणिज्यिक, शासन-संबंधी या श्रम-संबंधी निष्कर्ष नहीं निकाला गया, क्योंकि कोई भी निष्कर्ष निकालने के लिए तथ्य गढ़ने पड़ते। यह पत्रकारिता में कमज़ोरी नहीं है। असल में यही वह रेखा है जो विश्लेषण और अनुमान के बीच खिंची रहती है — और जिसे पार करते ही खबर, खबर नहीं रह जाती। (यह रिपोर्ट पूरी तरह सार्वजनिक सूचना और उपलब्ध विश्लेषण-रिकॉर्ड पर आधारित है। इसमें किसी मैच, खिलाड़ी, टीम या बोर्ड से जुड़ा कोई तथ्य नहीं है, क्योंकि उपलब्ध इनपुट में वह मौजूद ही नहीं था। यह किसी भी तरह का सट्टा या जीत-हार संबंधी परामर्श नहीं है।)