ताइफ़ और यनबू की खबर क्रिकेट डेस्क तक कैसे पहुंची: एक क्लासिफिकेशन फेलियर का रिपोर्ट

सोमवार की सुबह एक न्यूज़रूम के इनजेस्ट क्यू में एक आइटम 'क्रिकेट_एशिया' टैग के साथ दाखिल हुआ। ग्यारह इनफॉर्मेशन पॉइंट्स थे। उन ग्यारह में एक भी क्रिकेट इकाई नहीं थी — कोई खिलाड़ी नहीं, कोई टीम नहीं, कोई बोर्ड नहीं, कोई लीग नहीं, कोई मैदान नहीं, कोई फॉर्मेट नहीं, कोई मैच नहीं। जो था, वह था सऊदी अरब की अगुवाई वाले गठबंधन का दावा कि ताइफ़ और यनबू की ओर दागी गईं दो मिसाइलें रोकी गईं; रियाद सिविल डिफेंस का अलर्ट जारी होकर कुछ ही मिनटों में वापस लिया जाना; और 'मिसाइल व ड्रोन रोधी कार्रवाई' की तस्वीरें या सूचना साझा करने पर कानूनी चेतावनी।

कहानी पिच पर नहीं थी। वह उस क्यू में थी जहां हमारी खबरें पढ़ी जाने से पहले छाँटी जाती हैं।

उस फ़ाइल का असली विषय यमन का गृहयुद्ध था। बीस-बाईस के संघर्षविराम के जुलाई में टूटने के बाद से हमलों का सिलसिला चल रहा है, और रिपोर्ट में 'हाल के हफ़्तों में बार-बार हमला' कहा गया है। रियाद हवाई अड्डे पर तेरह लोगों की मौत और दर्जनों के घायल होने का ज़िक्र है, जिसे स्रोत ने दुनिया के सबसे बुरे मानवीय संकटों में से एक बताया है। यनबू को लाल सागर से तेल निर्यात का ऐसा केंद्र बताया गया है जो होर्मुज़ जलडमरूमध्य को बायपास करता है। सारे दावे एक-पक्षीय हैं: मिसाइल रोध का हवाला सिर्फ़ गठबंधन से है, अलर्ट का सिर्फ़ सिविल डिफेंस से, और अलर्ट वापस लेने के दावे के साथ कोई स्रोत दर्ज ही नहीं है।

मेरे लिए यह रिपोर्ट एक मीडिया-डेस्क की खबर है, युद्ध की नहीं। बारह साल से मैं खेल डेस्क पर काम कर रही हूं, और यह पहली बार नहीं है जब मैंने देखा कि गलत टैग किसी खबर को उस जगह पहुंचा देता है जहां उसका कोई ठिकाना नहीं था। फ़र्क़ यह है कि इस बार गलती खबर में नहीं, खबर से पहले वाली मशीन में थी।

डोमेन लेबल वह फ़ील्ड है जो तय करता है कि आगे कौन-सा एनालिटिक्स फ्रेमवर्क लगेगा। एक बार लेबल 'क्रिकेट_एशिया' हो गया, तो सिस्टम उस आइटम से पावरप्ले, डेथ ओवर, टॉस, DLS और रैंकिंग की उम्मीद करने लगता है। इनमें से कुछ भी मौजूद नहीं था। एंटिटी एक्सट्रैक्शन का खाली सेट सबसे साफ़ सबूत है — जब किसी टेक्स्ट में कोई मान्यता प्राप्त खिलाड़ी, टीम, बोर्ड, लीग या मैदान न मिले, तो वह टेक्स्ट क्रिकेट नहीं है, चाहे उसका स्रोत-टैग कुछ भी कहे।

तीन और चीज़ें इस फ़ाइल में दर्ज मिलीं जो दिखाती हैं कि गड़बड़ी कहां से शुरू हुई। पहली, 'एंटिटीज़ इन्वॉल्व्ड' वाला खाना भरा नहीं गया था — वहां निर्देश लिखा था, सूची नहीं। यह अपने आप में एक संकेत है कि एक्सट्रैक्टर को कुछ मिला ही नहीं, और इस संकेत को स्वचालित डोमेन-मिसमैच ट्रिगर बनाया जा सकता है। दूसरी, रिपोर्ट में 'चार पश्चिमी क्षेत्र' का दावा है, जबकि तीन ही जगहें गिनाई गई हैं — ताइफ़, यनबू और मक्का — और यनबू दो बार आया है। यह एक्सट्रैक्शन की आंतरिक असंगति है, और ऐसी असंगति को आगे नहीं बढ़ाया जाना चाहिए। तीसरी, स्रोत ने ईरान द्वारा होर्मुज़ जलडमरूमध्य की 'नाकाबंदी' लिखा है, जबकि दर्ज स्थिति ऐसे बंद करने की धमकियों की रही है, चालू नाकाबंदी की नहीं।

यहां असली जोखिम क्रिकेट का नहीं, डेटा की स्वच्छता का है। अगर ऐसे आइटम किसी क्रिकेट इंटेलिजेंस कॉर्पस में जमा होते रहें, तो वे चुपचाप सेंटिमेंट और नैरेटिव इंडेक्स को बिगाड़ देंगे — किसी एक खबर से नहीं, बैच भर से। और चूंकि कोई क्रिकेट इकाई निकली ही नहीं, गलती सबसे ऊपर, स्रोत-टैगिंग की परत पर हुई है। मतलब यह दोष पूरे फ़ीड बैच में दोहराएगा, सिर्फ़ इस एक आइटम में नहीं।

इसका इलाज तकनीकी है और सस्ता है। इनजेस्ट के समय ही क्वारंटीन लगाइए; प्रवेश से पहले न्यूनतम क्रिकेट-इकाई सीमा तय कीजिए — कम से कम एक मान्यता प्राप्त खिलाड़ी, टीम, बोर्ड, लीग या मैदान; जो फेल हों, उन्हें मैनुअल रिव्यू क्यू में भेजिए। हर हफ़्ते 'क्रिकेट_एशिया' लेबल वाले आइटम्स का एक रैंडम नमूना ऑडिट कीजिए; अगर नमूने के दो प्रतिशत से ज़्यादा आइटम्स में एक भी क्रिकेट इकाई न निकले, तो पाइपलाइन बंद करके दोबारा जांचिए। और एक बात जो तकनीकी नहीं, संपादकीय है: तेरह मौतों और दर्जनों घायलों का आंकड़ा कभी किसी स्पोर्ट्स-एनालिटिक्स फ़ील्ड में नहीं जाना चाहिए। संवेदनशीलता का हैंडलिंग कोड में लिखा जाना चाहिए, स्टाइल गाइड में नहीं।

अब वह हिस्सा, जहां लुभावना जवाब मौजूद है और वह गलत है। सहज प्रवृत्ति यह कहेगी कि खाड़ी की सुरक्षा का क्रिकेट से सीधा रिश्ता है, क्योंकि खाड़ी क्रिकेट की मेज़बानी करता है — यूएई में आईएलटी20 जैसी लीग, और राजनीतिक गतिरोध के समय भारत-पाकिस्तान जैसे मुकाबलों के लिए तटस्थ मैदान। यह पृष्ठभूमि असली है, पर यह रिपोर्ट उसके बारे में कुछ भी साबित नहीं करती। इस टेक्स्ट से किसी टूर्नामेंट, किसी शेड्यूल या किसी स्थानांतरण पर नतीजा निकालना अनुमान है, रिपोर्टिंग नहीं। तटस्थ मैदान का सवाल आईसीसी और बोर्डों की आधिकारिक यात्रा व मेज़बानी सलाह से तय होगा, गलत टैग लगी न्यूज़ फ़ीड से नहीं।

मुझे यह सब लिखते हुए वह सुबह याद आ रही है जब मैं 2026-21 में भारत के ऑस्ट्रेलिया दौरे को हैदराबाद में सुबह पांच बजे स्टॉपवॉच लेकर देख रही थी, और खाली स्टेडियम में विकेट की आवाज़ दर्ज कर रही थी। तब भी सबक यही था: पहले यह तय कीजिए कि आप क्या देख रहे हैं, तभी नंबर लिखिए। प्रेस बॉक्स ने मुझे सिखाया कि सीटिंग चार्ट से गायब आवाज़ों को सुनना चाहिए — और यहां गायब आवाज़ खुद क्रिकेट थी। मैंने खामोशी में भी नोटबुक खुली रखी है, क्योंकि खामोशी भी एक स्कोरलाइन है, और इस फ़ाइल का स्कोर शून्य था।

आगे देखिए कि सुधरी हुई पाइपलाइन पहले ही पास में इस आइटम को रिजेक्ट करती है या नहीं। यह एक बेहतरीन रिग्रेशन टेस्ट है, और अगर यह फेल होता है, तो समस्या खबरों में नहीं — हमारी छँटाई में है। सवाल यह नहीं कि खाड़ी में क्या हो रहा है; वह अलग डेस्क का काम है। सवाल यह है कि खेल डेस्क अपनी सीमा कब मानेगी।