खामोश विफलता: जब क्रिकेट डेटा पाइपलाइन खाली नतीजा लौटाती है

क्रिकेट कवरेज में स्वचालन अब हाशिये की चीज़ नहीं रही। मैच फ़ीड, स्कोरकार्ड, खिलाड़ी आँकड़े और टूर्नामेंट कैलेंडर—इन सबको मिलाकर जो सामग्री-शृंखला बनती है, वह आज किसी न किसी स्वचालित पाइपलाइन से गुज़रती है। इस शृंखला की सबसे कमज़ोर कड़ी वह है जिस पर सबसे कम ध्यान जाता है: पहला चरण, जहाँ कच्चे दस्तावेज़ से तथ्य निकाले जाते हैं। जब यही चरण खाली नतीजा लौटा दे, तो आगे की हर प्रक्रिया—विश्लेषण, सारांश, शीर्षक निर्माण—बिना किसी चेतावनी के चलती रहती है। ताज़ा मामला इसी तरह की खामोश विफलता का है। एक क्रिकेट-डोमेन दस्तावेज़ का स्टेज-1 विघटन जब जाँचा गया, तो उसमें लेख का शीर्षक, स्रोत, प्रकार, एक-वाक्य सारांश, लेखक का रुख, लेखन का उद्देश्य, सूचना बिंदु, संबंधित संस्थाएँ, समय-संवेदनशीलता और स्रोत-गुणवत्ता—सभी फ़ील्ड खाली थीं। भरी हुई एकमात्र चीज़ थी डोमेन लेबल: cricket_world। यह कोई मामूली खामी नहीं है। डेटा पाइपलाइन की भाषा में इसे 'एम्प्टी एक्सट्रैक्शन' कहा जाता है—यानी सिस्टम दस्तावेज़ तक पहुँचा, उसे पढ़ा, लेकिन उसमें से कोई भी तथ्य निकालकर अपने आगे के चरणों को नहीं सौंपा। समस्या यह है कि ऐसी स्थिति में पाइपलाइन त्रुटि नहीं फेंकती। वह शून्य को एक वैध उत्तर मान लेती है और आगे बढ़ जाती है। एक संपादकीय प्रणाली में यह सबसे खतरनाक तरह की विफलता है। अगर पाइपलाइन साफ़-साफ़ 'मैं पार्स नहीं कर सका' कह दे, तो इंसान तुरंत हस्तक्षेप कर सकता है। लेकिन जब वह चुपचाप एक ऐसा ढांचा लौटाती है जिसकी सभी फ़ील्ड खाली हैं, तो आगे का सारा काम एक ही काम करने लगता है: वह सामग्री 'दिखती हुई' रिपोर्ट तैयार करता है जिसके पीछे कोई तथ्य नहीं होता। तकनीकी रूप से इसके तीन संभावित कारण हो सकते हैं। पहला, क्रॉलिंग चरण या तो खाली मुख्य बॉडी लेकर आया, या पेज को रेंडर करने से पहले ही पढ़ लिया गया—सामान्यतः जावास्क्रिप्ट पर निर्भर खेल पोर्टलों के साथ ऐसा होता है। दूसरा, पार्सर उस विशेष साँचे को पहचान ही नहीं पाया, यानी उस पब्लिशर के लिए जो नियम लिखे गए थे, वे इस लेख-प्रारूप पर लागू नहीं हुए। तीसरा, फ़ील्ड-मैपिंग में गड़बड़ी है—तथ्य निकले भी हों, लेकिन गलत कुंजियों के नीचे बैठ गए। तीनों कारणों की एक साझा विशेषता है: इन्हें केवल डाउनस्ट्रीम विश्लेषण से नहीं पकड़ा जा सकता। जो व्यक्ति या मॉडल बाद के चरण में बैठा है, वह इस बात पर कोई निर्णय नहीं ले सकता कि लेख वास्तव में सूचना-विहीन था या पाइपलाइन उसे पढ़ ही नहीं पाई। दोनों स्थितियाँ एक जैसी दिखती हैं। यहीं पर क्रिकेट पत्रकारिता की परिचालन-संस्कृति पर सवाल उठता है। खेल मीडिया में गति प्राथमिकता है—मैच खत्म, शीर्षक चाहिए, आँकड़े चाहिए, तुरंत चाहिए। ऐसे में उत्पादन की गुणवत्ता जाँचने के लिए जो समय बचाया जाता है, वही समय असल में तकनीकी क़र्ज़ बन जाता है। इस क़र्ज़ को चुकाने का तरीक़ा प्रक्रियागत है, भावनात्मक नहीं। पहला कदम: पाइपलाइन में कठोर जाँच जोड़ी जाए—यदि सूचना बिंदुओं की सूची खाली है, तो प्रवाह वहीं रुकना चाहिए और त्रुटि दर्ज होनी चाहिए। दूसरा: कवरेज मॉनिटरिंग, यानी किसी भी स्रोत या साँचे के लिए खाली निष्कर्षण की दर को मापा जाए; लगातार दो-तीन बार खाली नतीजा मिलने पर अलर्ट बजे। तीसरा: रीप्रोसेसिंग की सुविधा, ताकि पार्सर ठीक होने के बाद संग्रहीत कच्चे दस्तावेज़ों को दोबारा चलाया जा सके। चौथा: मानवीय समीक्षा उन मामलों के लिए जहाँ स्वचालित चरण शून्य लौटाए। ध्यान देने योग्य बात यह है कि ऊपर का कोई भी उपाय महँगा नहीं है। जो महँगा है, वह है गलत सामग्री का प्रकाशित हो जाना। खेल पत्रकारिता में तथ्यात्मक भूल की सज़ा तेज़ होती है, क्योंकि दर्शक-वर्ग के पास स्कोरकार्ड मौजूद होता है और वह तुरंत पकड़ लेता है। इसलिए खाली निष्कर्षण को 'लेख में जानकारी कम थी' कहकर निपटाना ग़लत निदान है। यह पाइपलाइन का बग है, और इसे बग की तरह ही संभाला जाना चाहिए: दोष-पुनरुत्पादन, लॉग जाँच, पार्सर का परीक्षण, और सुधार के बाद पुनः-प्रसंस्करण। अंत में, एक चेतावनी जो इस पूरे उद्योग पर लागू होती है। जब सामग्री-शृंखला में भाषा-मॉडल जुड़ते हैं, तो खाली इनपुट का सबसे आसान 'समाधान' यह होता है कि मॉडल अपनी ओर से कुछ भर दे। यही असली संकट है। सभ्य पत्रकारिता की शर्त यही है कि जहाँ तथ्य नहीं, वहाँ रिक्तता दर्ज हो, अनुमान नहीं। क्रिकेट की दुनिया में एक पुरानी कहावत है कि स्कोरकार्ड कभी झूठ नहीं बोलता। डेटा पाइपलाइनों पर यह भरोसा तभी बना रह सकता है जब हम यह मान लें कि पाइपलाइन झूठ बोल सकती है—और उसे पकड़ने की व्यवस्था पहले से बनी हो।