খালি পেলোড, পূর্ণ বিভ্রম: ক্রিকেট সংবাদের ডেটা পাইপলাইনে নীরব ব্যর্থতা

ড্যাশবোর্ডের ওই সারিটা সবুজ টিক চিহ্ন বহন করছিল। পাশে লেখা—নিবন্ধ প্রক্রিয়াকৃত। সারির ভেতরে ঢুকলে অবশ্য সম্পূর্ণ অন্য ছবি: শিরোনাম নেই, সূত্র নেই, প্রকাশের তারিখ নেই, নিবন্ধের ধরন অশ্রেণীবদ্ধ, এক-বাক্য সারসংক্ষেপ ফাঁকা, তথ্যবিন্দুর তালিকা শূন্য। পুরো সারিতে জীবিত মাত্র একটি ঘর—ডোমেইন লেবেল, যেখানে লেখা cricket_asia। বিশ্লেষণের আটটি মাত্রা চালানোর আগে তৈরি হওয়া প্রক্রিয়া-নথির প্রথম লাইনেই স্পষ্ট সতর্কবার্তা বসে গেছে: বিশ্লেষণ অবরুদ্ধ, কারণ প্রথম ধাপের পেলোড খালি। ক্রিকেট সংবাদ সংগ্রহ ও বিশ্লেষণের শিল্পে এই একটি সারি এমন এক ব্যর্থতার কথা বলে, যা চোখে পড়ে না, অথচ সংখ্যায় বছরের পর বছর থেকে যায়। আমার নোটবুকে একটি চেকলিস্ট আছে, ২০২০ সাল থেকে অপরিবর্তিত। ওই বছরের ২২ নভেম্বর, এ. লে কোক অ্যারিনায়, এফসি ফ্লোরা তাল্লিন কুরেসসারেকে ৩-০ গোলে হারিয়ে মেইস্ত্রিলিগা নিশ্চিত করেছিল। স্টেডিয়াম তখন ফাঁকা, মাইক ছাড়া কোনো শব্দ নেই, ডাগআউটে দূরত্ব বজায় রাখা, সাক্ষাৎকার রিমোট। লেখার আগে আমি ক্লাবের নিরাপত্তা প্রোটোকল ধরে ধরে মিলিয়েছিলাম—মাস্ক, দূরত্ব, আগেই লেখা প্রশ্ন, রেকর্ড করা কল। একটি বাক্যও টাইপ করিনি যার পেছনে চেক করা বাক্স নেই। A title won in silence still echoes in the bones—কিন্তু সেই প্রতিধ্বনি নথিভুক্ত হতে হয়, নইলে তা গুজবে পরিণত হয়। ড্যাশবোর্ডের সারিটি টিক চিহ্ন দেখিয়েছিল, অথচ বাক্সগুলো কোথাও ছিল না। এই অভ্যাস আমার নিজের তৈরি নয়, চাপিয়ে দেওয়া। ২০১৮ সালে রাশিয়া বিশ্বকাপে ক্রোয়েশিয়ার সঙ্গে ৩২ দিন কাটানোর সময় লুকা মদরিচের ৬৯৪ মিনিট খেলার পেছনে আমি একটাই নিয়ম মেনেছিলাম—প্রতি দাবির পেছনে অন্তত তিনটি যাচাইকৃত তথ্যবিন্দু। In Croatia, ওই শৃঙ্খলা শেখা হয়েছিল; ইংল্যান্ডের বিরুদ্ধে সেমিফাইনালে তাঁর ১২.৩ কিলোমিটার দৌড় সেই নিয়মেই নথিবদ্ধ হয়েছিল। নিয়মটি আজও বহাল, এবং ঠিক এই কারণেই ওই ফাঁকা ড্যাশবোর্ড সারিটি আমার কাছে শুধু প্রযুক্তিগত ত্রুটি নয়, পেশাগত সতর্কসংকেত। বিষয়টি বোঝার জন্য পাইপলাইনের গঠনটা জানা দরকার। প্রথম ধাপে একটি নিবন্ধ থেকে যান্ত্রিকভাবে কাঠামো টেনে নেওয়া হয়: শিরোনাম, উৎস ও প্রকাশক, প্রকাশের তারিখ, নিবন্ধের ধরন (প্রতিবেদন, বিশ্লেষণ, মতামত, সংকলন, গুজব), এক-বাক্য সারসংক্ষেপ, লেখকের অবস্থান, নিবন্ধের উদ্দেশ্য, তথ্যবিন্দুর তালিকা, মূল দাবিগুলো, সংশ্লিষ্ট সত্তা, সময়-সংবেদনশীলতা এবং উৎসের মান। দ্বিতীয় ধাপে সেই কাঠামোর উপর দাঁড়িয়ে আটটি মাত্রার গভীর বিশ্লেষণ চলে—ফরম্যাট ও ম্যাচ, খেলোয়াড়ের কৌশল ও তথ্য, দল ও র‍্যাঙ্কিং, লিগ ও বাণিজ্য, নিয়ম ও সুশাসন, ঝুঁকি, জন-আখ্যান এবং শিল্পে সংক্রমণ। প্রথম ধাপ ফাঁকা হলে দ্বিতীয় ধাপের প্রতিটি সিদ্ধান্তই ভিত্তিহীন দাঁড়ায়। এখানেই ফরম্যাট-গেটের প্রশ্নটি আসে, যা ক্রিকেটে অলঙ্ঘনীয়। টেস্ট, ওয়ানডে, টি-টোয়েন্টি আর দ্য হান্ড্রেড—এই চার ফরম্যাটে স্ট্রাইক রেট, ইকোনমি রেট বা ধসের আখ্যানের অর্থ সম্পূর্ণ আলাদা। টেস্টে ৭ ইকোনমি রেট কোনো মাপকাঠি নয়, টি-টোয়েন্টিতে সেটি শক্তিশালী; পাঁচ দিনের ম্যাচের ক্লান্তি-বণ্টন আর বিশ ওভারের স্পেল-ছন্দ এক নয়। ফরম্যাট না জানলে কোনো সংখ্যা উদ্ধৃত করাই পদ্ধতিগত ভুল। প্রক্রিয়া-নথিতে তাই ন্যূনতম ইনপুটের একটি চেকলিস্ট দাঁড় করানো হয়েছে—নয়টি উপাদান, যার যেকোনো তিনটি সরবরাহ হলে আংশিক বিশ্লেষণ চালু হয়, নয়টি মিললে পূর্ণ গভীরতা। উপাদানগুলো সহজ: শিরোনাম, প্রকাশনা-বাইলাইন-তারিখ, ফরম্যাট ও ম্যাচের প্রকৃতি, দল ও খেলোয়াড়ের নাম, পাঠে থাকা যেকোনো সংখ্যা, উদ্ধৃত দাবি বা ভবিষ্যদ্বাণী, সুশাসন-সংশ্লিষ্ট উল্লেখ, বাণিজ্যিক উল্লেখ, এবং লেখাটি প্রতিবেদন না বিশ্লেষণ না মতামত। বাস্তবে সংবাদকক্ষে এই তালিকাটাই সবচেয়ে কাজে লাগে, কারণ এটি সাংবাদিককে বলে দেয় কোন তথ্য না থাকলে লেখা শুরুই করা যাবে না। এখন মূল নির্ণয়। যে নমুনাটি সামনে এসেছে, তার বৈশিষ্ট্য হলো—শিরোনাম নেই, উৎস নেই, ধরন অশ্রেণীবদ্ধ, তথ্যবিন্দুর তালিকা শূন্য, অথচ ডোমেইন লেবেল পূরণকৃত। এই সংমিশ্রণটি দৈব নয়। এটি দেখায় যে স্বয়ংক্রিয় পাইপলাইনে শ্রেণীবিভাগের ধাপ সফল হয়েছে, কিন্তু তার নিচের পাঠ-আহরণ ও সত্তা-শনাক্তকরণের ধাপে ফলাফল শূন্য ফিরেছে। ব্যর্থতা প্রবেশ-পর্যায়ে নয়, পার্সিং-পর্যায়ে। কারণগুলো চেনা। পেওয়ালের পেছনে থাকা পৃষ্ঠা, জাভাস্ক্রিপ্টে গড়া এমন পাতা যার মূল অংশ লোডই হয়নি, প্রতিলিপিহীন ভিডিও বা অডিও সম্পদ, অথবা কাটা পড়া ফিড আইটেম—এই চার ধরনের উৎসেই এই স্বাক্ষর মেলে। গুরুত্বপূর্ণ হলো, একটি সারির এই ব্যর্থতা সাধারণত বিচ্ছিন্ন ঘটনা হয় না; একই ধরনের উৎসে এটি বারবার ফিরে আসে। এখানে সবচেয়ে সাহসী সিদ্ধান্তটি নেওয়া হয়েছে অনুমান না করার। বিশ্লেষক স্পষ্ট লিখেছেন, খালি প্রমাণভিত্তির উপর দাঁড়িয়ে কোনো ক্রিকেট-সিদ্ধান্ত তিনি তৈরি করবেন না, কারণ প্রতিটি সিদ্ধান্তকে তথ্যবিন্দুতে ফিরিয়ে নেওয়া যায় এমন হতে হবে। ২০২২ সালে কাতার বিশ্বকাপে মরক্কোর লো-ব্লক প্রশংসা করার আগে আমি ট্র্যাকিং ডেটার জন্য অপেক্ষা করেছিলাম; সোফিয়ান আমরাবাত ফ্রান্সের বিরুদ্ধে সেমিফাইনালে ১২.৭ কিলোমিটার কভার করার পরেই সংখ্যা কথা বলেছিল। Morocco did not abandon the beat; they changed the time signature—কিন্তু সেই নতুন তালটি প্রমাণিত হওয়ার পরেই লিখেছিলাম। ফাঁকা পেলোডে অনুমান বসানো মানে ঠিক উল্টো পথে হাঁটা। প্রথম এবং সবচেয়ে বড় ঝুঁকি তাই ক্রিকেটীয় নয়, বিশ্লেষণী: শূন্য প্রমাণভিত্তিকে বিশ্বাসযোগ্য শোনানো বর্ণনায় ভরে দেওয়ার প্রলোভন। ক্রিকেটে এই প্রলোভন প্রবল, কারণ খেলা সম্পর্কে সবাই কিছু না কিছু বলতে পারে। দ্বিতীয় ঝুঁকি আরও নীরব—নাল পেলোডের নিচের স্তরে প্রবাহ। যদি এই ধরনের শূন্য সারি 'প্রক্রিয়াকৃত নিবন্ধ' হিসেবে গণনায় ঢুকে যায়, তবে তৈরি হওয়া কভারেজ-সূচক ফুলে ওঠে, সত্তা-ডেটাবেসে অমীমাংসিত নাম জমা হয়, এবং মডেল-ইনপুটে এমন উপাদান ঢোকে যা কিছু শেখায়নি, অথচ শেখার কৃতিত্ব পায়। তৃতীয় ঝুঁকি উৎস-মিশ্রণের অন্ধবিন্দু। ব্যর্থতার স্বাক্ষরটি—শিরোনাম নেই, উৎস নেই, কিন্তু ডোমেইন লেবেল আছে—একটি নির্দিষ্ট উৎস-শ্রেণির দিকে ইঙ্গিত করে। এর অর্থ, ওই শ্রেণির জন্য আলাদা আহরণ-পথ দরকার: হেডলেস রেন্ডারিং, প্রতিলিপি-নিষ্কাশন, অথবা পেওয়াল-সচেতন সংগ্রহ। চতুর্থ ঝুঁকি সবচেয়ে সূক্ষ্ম: সততা ও দুর্নীতিবিরোধী স্ক্রিনিং সম্পন্ন না হওয়াকে 'পরিচ্ছন্ন' বলে পড়া। ক্রিকেটে এই পার্থক্যটি মৌলিক—এসিইউ-ধরনের পর্যবেক্ষণ যখন ম্যাচ বা লিগ-তথ্যের অভাবে চালানোই যায় না, তখন ফলাফল হবে 'অজানা', 'নিরাপদ' নয়। যে স্ক্রিন করা হয়নি, তা ছাড়পত্র নয়। পঞ্চম ঝুঁকি প্রযুক্তিগত কিন্তু প্রভাব বড়: শ্রেণীবিভাগের পরিভাষা। প্রত্যাশিত লেবেল Cricket-এর জায়গায় cricket_asia একটি আঞ্চলিক রূপ, যা নিচের স্তরের রাউটিং ভেঙে দিতে পারে। সমাধান সহজ—মূল লেবেলে স্বাভাবিকীকরণ এবং আঞ্চলিক ট্যাগকে আলাদা বৈশিষ্ট্য হিসেবে রাখা। ছোট সংশোধন, কিন্তু ডেটা-শৃঙ্খলায় বড় পার্থক্য। সংক্রমণ-মানচিত্রটি এখানেই প্রাসঙ্গিক। উজানে তরুণ প্রতিভার সরবরাহ, মাঝে জাতীয় দল ও লিগ, নিচে সম্প্রচার ও বাণিজ্যিক বাজার—এই তিন স্তরে কোনো পরিবর্তন-ঘটনা না থাকলে সংক্রমণ টানা যায় না। শুধু cricket_asia লেবেল দেখে বোঝা যায় না বিষয়টি ভারত, পাকিস্তান, বাংলাদেশ, শ্রীলঙ্কা, নেপাল না আমিরাত। বেটিং ও ফ্যান্টাসি অংশটি এখানে কেবল বস্তুনিষ্ঠ তথ্য-সংকেত হিসেবে উল্লেখযোগ্য; এই লেখায় বাজি-সংক্রান্ত কোনো পরামর্শ নেই এবং থাকবে না। আসল সম্পদ হয়ে দাঁড়ায় শর্তসাপেক্ষ সক্রিয়করণের তালিকাটি, যা প্রতিবেদনের ধরন অনুযায়ী কোন মাত্রা অগ্রণী হবে তা ঠিক করে দেয়। ম্যাচ বা সিরিজের ফলাফল হলে প্রথম মাত্রা; খেলোয়াড়ের ফর্ম বা মাইলফলক হলে দ্বিতীয়; দল নির্বাচন বা র‍্যাঙ্কিং হলে তৃতীয়; নিলাম বা সম্প্রচার-অধিকার হলে চতুর্থ; নিয়ম বা সুশাসন বিতর্ক হলে পঞ্চম; ভবিষ্যদ্বাণী বা হাইপ হলে সপ্তম; বাজারের কাঠামোগত গল্প হলে অষ্টম। এই বিন্যাস বিশ্লেষণের সময় ও গভীরতা—দুটোই নিয়ন্ত্রণ করে। এখন সেই বাইরের ভুল-পাঠ, যা সংশোধন করা দরকার। স্বয়ংক্রিয় পাইপলাইনের ঝুঁকি নিয়ে আলোচনায় সবাই ভয় পায় 'হ্যালুসিনেশন'—অর্থাৎ বানানো তথ্য। কিন্তু অধিক বিপজ্জনক ব্যর্থতা তার চেয়ে অনেক শান্ত: শূন্যতা, যা সফলতার মতো পাস করে যায়। একটি ফাঁকা ঘর শূন্য মান নয়; সেটি একটি অ-পরিমাপ, এবং অ-পরিমাপিত মান গড়কে নীরবে ফুলিয়ে তোলে। যে মডেল জানে না, সে ভুল জানে না—সে জানে না বলেই জানে না, অথচ প্রতিবেদনে তার নাম ওঠে 'সম্পন্ন' হিসেবে। দ্বিতীয় ভুল-পাঠটি সম্পাদকীয়। ফাঁকা দেখলে হাত চুলকায়, ইচ্ছে করে শূন্যস্থান ভরে দেওয়া। সিনিয়র সাংবাদিক হিসেবে আমার অভিজ্ঞতা বলে, আসল শৃঙ্খলা প্রকাশ না করা—অন্তত প্রমাণ ফেরার আগ পর্যন্ত। ক্রিকেট মিডিয়া ভলিউমকে উদযাপন করে: এত হাজার নিবন্ধ প্রক্রিয়াকৃত, এত সত্তা চিহ্নিত। কিন্তু যাচাই-গেট ছাড়া সেই ভলিউম আত্মপ্রশংসার সংখ্যা মাত্র। প্রমাণের শৃঙ্খলে প্রতিটি সিদ্ধান্ত পেছনের নথির সঙ্গে বাঁধা থাকতে হয়; একটি কড়ি হারালে শৃঙ্খল অচল, আর ফাঁকা কড়িকে সোনার বলে গোনা মানে পুরো হিসাবটাই অচল। সামনের দিকে তাকিয়ে তিনটি সংকেত আমার ডায়েরিতে জায়গা পাচ্ছে। প্রথমত, তথ্যবিন্দুর তালিকা খালি থাকলে প্রথম ধাপের ফলাফল প্রত্যাখ্যান করার একটি যাচাই-গেট—এমন আউটপুট যেন 'প্রক্রিয়াকৃত' হিসেবে গণ্য না হয়, বরং 'আহরণ-ব্যর্থতা' হিসেবে লগ হয়। দ্বিতীয়ত, উৎস-মিশ্রণের নিরীক্ষা এবং ওই নির্দিষ্ট শ্রেণির জন্য প্রতিলিপি-নিষ্কাশন পথ তৈরি। তৃতীয়ত, মাত্রাগুলোকে ক্রমে সাজানো, যাতে প্রতিটি প্রতিবেদন তার নিজের ধরন অনুযায়ী গভীরতা পায়। প্রশ্নটি এখন সোজা: আমাদের 'প্রক্রিয়াকৃত' সংখ্যাগুলোর কতটি আসলে সবুজ টিক পরা ফাঁকা সারি, যা এখনো নিজের নাম জানে না?