फुटबॉल कवरेज की ऑटोमेटेड पाइपलाइन में डेटा एक्सट्रैक्शन विफल: खोखले आउटपुट ने उजागर की प्रक्रिया की कमज़ोरी

पिछले एक दशक में खेल पत्रकारिता का स्वरूप तेज़ी से बदला है। जहाँ एक ओर डिजिटल प्लेटफ़ॉर्म पर फुटबॉल कवरेज की माँग लगातार बढ़ी है, वहाँ दूसरी ओर उसे तैयार करने का समय सिकुड़ता गया है। इस दबाव ने मीडिया संगठनों को ऑटोमेटेड कंटेंट पाइपलाइन की ओर धकेला है — ऐसी व्यवस्था जो स्रोत से कच्चा पाठ लेती है, उससे तथ्य निकालती है, सारांश बनाती है और अंततः प्रकाशन योग्य सामग्री तैयार करती है। लेकिन हाल में सामने आए एक मामले ने इस पूरी श्रृंखला की भेद्यता उजागर कर दी है। एक फुटबॉल-केंद्रित कंटेंट फ़ीड की जाँच में पाया गया कि उसका पहला चरण, जिसे स्टेज-1 कहा जाता है, स्वरूप की दृष्टि से पूरी तरह सुगठित था, पर सामग्री की दृष्टि से पूरी तरह खोखला। यह कोई साधारण तकनीकी गड़बड़ी नहीं है। यह उस मान्यता पर सवाल उठाती है कि केवल आउटपुट का ढाँचा सही होना पर्याप्त है। स्टेज-1 का काम सरल है — किसी भी लेख से मूल तथ्य निकालना। यह बताना कि कौन-सी घटना हुई, किसने कहा, कब कहा और किस संदर्भ में कहा। इन्हीं तथ्यों पर आगे का पूरा ढाँचा खड़ा होता है: चरित्र-संबंध, समय-रेखा, स्रोत की विश्वसनीयता और पाठक के लिए उनका अर्थ। जाँच में यह पाया गया कि उपरोक्त फ़ीड में ये सारे ज़रूरी फ़ील्ड खाली थे। लेख का शीर्षक 'N/A', स्रोत 'N/A', प्रकार 'N/A'। एक वाक्य का सार खाली। लेखक का रुख और लेख का उद्देश्य भी अनुपलब्ध। और सबसे चिंताजनक — 'इन्फॉर्मेशन पॉइंट्स' नाम का फ़ील्ड बिल्कुल खाली था। इस फ़ीड से जुड़ी एकमात्र उपयोगी जानकारी यह थी कि डोमेन लेबल 'फुटबॉल' है। यानी विषय का संकेत मौजूद था, विषय स्वयं अनुपस्थित। किसी भी समाचार लेख का विश्लेषण आम तौर पर चार स्तरों पर होता है। पहला, तथ्य-स्तर: क्या हुआ, कौन शामिल था, कौन-सी संख्याएँ और तिथियाँ थीं। दूसरा, स्रोत-स्तर: जानकारी किसने दी, वह आधिकारिक है या अनौपचारिक, प्रत्यक्षदर्शी है या दूसरे हाथ की। तीसरा, रुख-स्तर: लेखक किस ओर झुका है और कौन-सा आख्यान गढ़ रहा है। चौथा, समय-स्तर: कौन-सी जानकारी अभी प्रासंगिक है और कौन-सी अप्रचलित। इन चारों में से पहला स्तर ही न हो तो बाकी तीन अनाथ हो जाते हैं। स्रोत की गुणवत्ता किस दावे पर लागू करेंगे, यदि दावा ही नहीं? लेखक के रुख का अनुमान किस कथन से निकालेंगे, यदि कथन ही नहीं? यही वजह है कि रिपोर्ट में यह निष्कर्ष निकाला गया कि मौजूदा इनपुट के आधार पर कोई भी 'गहन विश्लेषण' केवल मनगढ़ंत पर टिकेगा। और मनगढ़ंत विश्लेषण फुटबॉल पत्रकारिता में सबसे बड़ा जोखिम है, क्योंकि खेल की दुनिया में अफ़वाहें तेज़ी से फैलती हैं और पाठक उन्हें तथ्य मान लेते हैं। रिपोर्ट ने तीन संभावित जगहों की ओर इशारा किया जहाँ यह विफलता पैदा हुई होगी। पहला, इनपुट पक्ष। यह देखना ज़रूरी है कि स्टेज-1 को जो मूल पाठ दिया गया, वह खुद खाली तो नहीं था। एन्कोडिंग का बिगड़ना इसका आम कारण है, विशेष रूप से एशियाई भाषाओं के मामले में, जहाँ एक कैरेक्टर सेट से दूसरे में जाते समय पाठ चुपचाप नष्ट हो जाता है। जिस एक्सट्रैक्टर को पढ़ने के लिए कुछ न मिले, वह खाली नतीजा ही लौटाएगा। दूसरा, पार्सिंग पक्ष। 'इन्फॉर्मेशन पॉइंट्स' एक सूची के रूप में आता है। अगर ऊपरी प्रणाली इसे सूची के रूप में भेजती है और नीचे की प्रणाली उसे साधारण पाठ मानकर पढ़ती है, तो परिणाम बिना किसी दिखने वाली त्रुटि के खाली हो जाता है। कोई अपवाद नहीं उठता, कोई चेतावनी दर्ज नहीं होती। यही सबसे खतरनाक तरह की विफलता है, क्योंकि 'N/A' जैसे डिफ़ॉल्ट मान इसे ढक देते हैं। तीसरा, फ़ॉलबैक तर्क। हर फ़ील्ड का 'N/A' पर पहुँचना बताता है कि प्रणाली में ऐसा कोई नियंत्रण नहीं था जो खाली नतीजा मिलने पर त्रुटि उठाए या दोबारा कोशिश करे। सुझाव दिया गया कि एक सरल शर्त जोड़ी जाए — यदि सूचना बिंदु खाली हैं, तो प्रक्रिया रोक दी जाए। समाधान के लिए तीन विकल्प सुझाए गए। सबसे अच्छा विकल्प है मूल लेख का पूरा पाठ उपलब्ध कराना, चाहे सीधे चिपकाकर, चाहे किसी सुलभ लिंक या फ़ाइल के ज़रिए। दूसरा विकल्प है स्टेज-1 को दोबारा चलाना, यह पहले जाँचते हुए कि ऊपरी चरण में निष्कर्षण ठीक से हुआ था या नहीं। तीसरा, कम से कम सूचना बिंदुओं की सूची ही उपलब्ध करा देना — भले शीर्षक और स्रोत न हों, तब भी घटना, पात्र, क्लब, संख्याएँ और समय मिलने पर चरित्र-नेटवर्क और तथ्य-जाँच संभव है। रिपोर्ट में यह भी रेखांकित किया गया कि असली इनपुट मिलने के बाद पूरा विश्लेषण पाँच परतों में होगा। पहली परत तथ्यों की होगी, जिसमें हर सूचना बिंदु को अलग करके देखा जाएगा और उनसे पात्रों, क्लबों, लीगों और प्रतियोगिताओं की तालिका बनेगी, साथ में समय-रेखा और उन दावों की सूची जिन्हें स्वतंत्र रूप से सत्यापित किया जा सके। दूसरी परत स्रोतों की होगी, जिसमें हर दावे को आधिकारिक घोषणा, मुख्यधारा मीडिया, पत्रकार की व्यक्तिगत जानकारी, दूसरे हाथ की खबर या अनाम स्रोत के रूप में वर्गीकृत किया जाएगा और हर दावे के पीछे साक्ष्य की ताकत आँकी जाएगी। तीसरी परत लेखक के रुख और मंशा की होगी — वह किस ओर झुका है, कौन-सा आख्यान गढ़ रहा है, और उसके पीछे कोई व्यावसायिक या ट्रैफ़िक-संबंधी हित तो नहीं। चौथी परत समय और अनिश्चितता की होगी, जिसमें यह तय किया जाएगा कि कौन-सी जानकारी पुरानी हो चुकी है, कौन-सी अभी अफ़वाह के दायरे में है और किसकी आगे पुष्टि ज़रूरी है। पाँचवीं परत जोखिम की होगी — किन बातों को सीधे उद्धृत करना ठीक नहीं और कहाँ गलतफ़हमी की गुंजाइश है। यह घटना अपने आप में बड़ी नहीं है, लेकिन इसका संकेत बड़ा है। जैसे-जैसे फुटबॉल मीडिया में स्वचालन बढ़ रहा है, वैसे-वैसे 'खाली पर सही दिखने वाला' आउटपुट एक संरचनात्मक जोखिम बनता जा रहा है। ऐसी प्रणाली जो हर स्थिति में कुछ न कुछ लौटाती है, विश्वसनीयता का भ्रम पैदा करती है। पाठक को यह पता ही नहीं चलता कि जिस खबर को वह पढ़ रहा है, उसके पीछे कोई तथ्य था ही नहीं। फुटबॉल कवरेज में इसका असर सीधा है। ट्रांसफर की अफ़वाहें, चोट की खबरें, ड्रेसिंग रूम की कलह — इन सबमें संदर्भ और स्रोत ही सब कुछ हैं। अगर प्रणाली संदर्भ निकालने में विफल रहती है और उस विफलता को छिपा देती है, तो नतीजा यह होता है कि सत्य और अनुमान के बीच की रेखा मिट जाती है। समाधान तकनीकी भी है और सांस्कृतिक भी। हर स्वचालित प्रणाली को 'विफल होकर बताना' उतना ही ज़रूरी मानना चाहिए जितना 'सफल होकर लौटाना'। एक स्पष्ट त्रुटि संदेश किसी भी नकली, खोखली खबर से बेहतर है। मौजूदा मामले में जो कमी सामने आई है, वह तकनीकी भी है और नैतिक भी। तकनीकी इस अर्थ में कि निष्कर्षण श्रृंखला में एक चुपचाप विफल होने वाला चरण मौजूद है। नैतिक इस अर्थ में कि उस विफलता को डिफ़ॉल्ट मानों से ढक दिया गया, जिससे आगे का कोई भी विश्लेषण अनिवार्य रूप से कल्पना पर निर्भर हो जाता है। जब तक मूल पाठ या ठोस सूचना बिंदु उपलब्ध नहीं कराए जाते, तब तक इस फुटबॉल कंटेंट पर कोई भरोसेमंद रिपोर्ट तैयार नहीं की जा सकती। और यही इस पूरे प्रकरण का सबसे साफ़ संदेश है: खाली डेटा से भरी हुई खबर नहीं बनती, चाहे उसका ढाँचा कितना ही साफ़-सुथरा क्यों न दिखे।