খালি ডেটার জাল: ক্রীড়া সংবাদ বিশ্লেষণে আপস্ট্রিম ব্যর্থতার সংকেত

ক্রীড়া সংবাদ বিশ্লেষণে সবচেয়ে বিপজ্জনক ফলাফল কোনটি — ভুল তথ্য, নাকি শূন্য তথ্য? প্রথমটির অন্তত একটি সূত্র থাকে, যাকে যাচাই করা যায়, খণ্ডন করা যায়। দ্বিতীয়টি কোনো চিহ্নই রেখে যায় না। যে প্রতিবেদন আকারে পূর্ণ কিন্তু ভেতরে শূন্য, সেটি পাঠকের কাছে পৌঁছায় না — কিন্তু সেটি যদি বিশ্লেষণের পরবর্তী ধাপে চলে যায়, তবে তার শূন্যতাই ধীরে ধীরে সিদ্ধান্তে পরিণত হয়। ক্রীড়া বিভাগের একটি বিশ্লেষণ-প্রবাহে সম্প্রতি ঠিক এমনই একটি ফলাফল সামনে এসেছে। ডোমেইন ট্যাগ cricket_asia, স্তর প্রথম, এবং প্রতিটি বাস্তব ঘর ফাঁকা। এই নথিটি কোনো ম্যাচের বিবরণ নয়, কোনো দলের সূচি নয়, কোনো খেলোয়াড়ের পারফরম্যান্সের হিসাবও নয়। এটি একটি প্রক্রিয়াগত সংকেত। প্রথম স্তরের যে বিশ্লেষণ-কাঠামোটি তৈরি করা হয়েছিল, তার মূল অংশে কোনো তথ্যবিন্দু নেই। শিরোনাম নেই, সূত্র নেই, ধরন চিহ্নিত হয়নি, এক বাক্যে সারাংশ নেই, লেখকের অবস্থান নেই, উদ্দেশ্য নেই, আর সবচেয়ে গুরুত্বপূর্ণ — তথ্যবিন্দুর তালিকা সম্পূর্ণ খালি। এই অবস্থায় গভীর বিশ্লেষণের কোনো ভিত্তিই তৈরি হয় না। গভীর বিশ্লেষণের জন্য যা যা দরকার, তার প্রতিটি কিছু নির্দিষ্ট তথ্যবিন্দুর ওপর দাঁড়িয়ে থাকে। একটি যুক্তির শিকল তৈরি করতে হয় দাবি থেকে প্রমাণে, প্রমাণ থেকে ব্যাখ্যায়। প্রমাণের শক্তি যাচাই করতে হয় সূত্রের নির্ভরযোগ্যতা, সংখ্যার উৎস আর উদ্ধৃতির প্রেক্ষাপট দিয়ে। স্বার্থসংশ্লিষ্ট পক্ষ কারা — কে লাভবান হয়, কে ক্ষতিগ্রস্ত হয় — তা নির্ধারণ করতে হয় তথ্য থেকেই। সময়-সংবেদনশীলতা নির্ণয় করতে হয় ঘটনার তারিখ ও বর্তমান অবস্থানের ব্যবধান মেপে। মিথ্যা প্রমাণ করার সুযোগ কোথায়, আর কোন তথ্য অনুপস্থিত — এই দুটোই ম্যাপ করতে হয় বিদ্যমান উপাদানের ভিত্তিতে। উপাদান না থাকলে এই ছয়টি কাজের একটিও করা যায় না; শুধু করা যায় না তা নয়, করার ভান করলে সেটিই সবচেয়ে বড় পেশাগত অপরাধ। এখানেই প্রথম সতর্কবার্তা। cricket_asia একটি ডোমেইন ট্যাগ। এই ট্যাগ থেকে অনুমান করা যায়, বিষয়বস্তু সম্ভবত এশীয় ক্রিকেট কাউন্সিল, এশিয়া কাপ, ভারত-পাকিস্তান সিরিজের সূচি, সদস্য দেশগুলোর প্রশাসনিক বিবাদ কিংবা সম্প্রচার স্বত্ব নিয়ে হতে পারে। কিন্তু অনুমান আর তথ্যের মধ্যে দূরত্বটাই এখানে নির্ণায়ক। একটি ট্যাগ বিশ্লেষণের বিষয় হতে পারে, বিশ্লেষণের ভিত্তি হতে পারে না। অনুমানের ওপর দাঁড়ানো প্রতিবেদন দেখতে যতই বিশ্বাসযোগ্য হোক, সেটি সংবাদ নয় — সেটি কল্পনা। তাই শূন্য ফলাফলকে শুধু শূন্য ফলাফল বলে থামিয়ে দেওয়া যায় না। এটিকে একটি সংকেত হিসেবে পড়তে হয়। প্রথম স্তরের সব বাস্তব ঘর ফাঁকা হওয়ার অর্থ সাধারণত এই নয় যে নিবন্ধের বিষয়বস্তু খুব পাতলা ছিল। এর অর্থ সাধারণত এই যে নিষ্কাশন প্রক্রিয়াটাই ব্যর্থ হয়েছে। ব্যর্থতার ধরন আলাদা করে চিহ্নিত না করলে পরবর্তী ধাপে একই সমস্যা পুনরাবৃত্তি হবে। প্রথম সম্ভাব্য কারণ — যে পৃষ্ঠাটি থেকে নিবন্ধটি নেওয়া হয়েছে, সেটি আসলে নিবন্ধের মূল লেখা নয়। ক্রীড়া ওয়েবসাইটে এমন পৃষ্ঠার অভাব নেই যেখানে কয়েকশ শব্দের ধারাবাহিক অনুচ্ছেদ নেই বললেই চলে। লাইভ স্কোর পৃষ্ঠা, ম্যাচ সূচির তালিকা, ভিডিও প্লেয়ার, ছবির গ্যালারি — এগুলোর গঠনেই দীর্ঘ বর্ণনামূলক অনুচ্ছেদ থাকে না। যে পাইপলাইন অনুচ্ছেদের দৈর্ঘ্য বা বাক্যগঠনের ভিত্তিতে মূল অংশ শনাক্ত করে, সে এই ধরনের পৃষ্ঠায় খালি হাতেই ফিরে আসবে। এবং ফেরার সময় ত্রুটিও জানাবে না, কারণ প্রক্রিয়াটি ব্যর্থ হয়নি — এটি সফল হয়েছে, কেবল ফলাফল শূন্য। এই কারণটিই সবচেয়ে বেশি ঘটে, কারণ ক্রীড়া কনটেন্টের অর্থনীতিই এমনভাবে গড়া। লাইভ স্কোর, ফলাফল কার্ড ও সূচি সবচেয়ে বেশি পুনরাবৃত্তি পায়, তাই সেগুলোর জন্যই সবচেয়ে বেশি স্বয়ংক্রিয়তা তৈরি হয়। কিন্তু একটি লাইভ স্কোর পৃষ্ঠাকে সংবাদ হিসেবে পড়া যায় না; সেখানে থাকে সংখ্যা, দলনাম আর সময়ের ট্যাগ — বাক্য থাকে না। দ্বিতীয়ত, পেওয়াল বা জাভাস্ক্রিপ্টে রেন্ডার হওয়া পৃষ্ঠা। অনেক ক্রীড়া মিডিয়া এখন মূল লেখা সার্ভার থেকে পাঠায় না, ক্লায়েন্টে তৈরি করে। সার্ভার থেকে যে এইচটিএমএল আসে, তাতে কেবল নেভিগেশন, বিজ্ঞাপনের খোপ আর স্ক্রিপ্টের ট্যাগ থাকে। যে স্ক্র্যাপার এইচটিএমএল-কে চূড়ান্ত সত্য ধরে নেয়, সে ওই খোলসটুকুই সংগ্রহ করে। ফলাফল একই — সফল অনুরোধ, সফল পার্স, শূন্য তথ্য। এই দুই ধরনের পৃষ্ঠার সমস্যা একই জায়গায় গিয়ে দাঁড়ায় — অনুরোধের সাফল্য আর কনটেন্টের প্রাপ্যতার মধ্যে কোনো সম্পর্ক নেই। প্রযুক্তিগত সূচকগুলো সবুজ থাকলেও কাজের ফলাফল শূন্য হতে পারে, এবং এটিই লুকিয়ে থাকা সবচেয়ে বিপজ্জনক অবস্থা। তৃতীয়ত, অ্যান্টি-স্ক্র্যাপিং প্রতিরক্ষা। সার্ভার ২০০ স্ট্যাটাস কোড ফেরত দিচ্ছে, কিন্তু ভেতরে আছে কুকি সম্মতির পৃষ্ঠা, ক্যাপচা, কিংবা সাধারণ ব্লক বার্তা। রোবটের দৃষ্টিতে অনুরোধ সফল, এইচটিএমএল বৈধ, শুধু বিষয়বস্তু নিবন্ধ নয়। এই ধরনের প্রতিরক্ষা চালু থাকলে পার্সারের লগে কোনো ব্যতিক্রম ধরা পড়ে না, কারণ প্রযুক্তিগতভাবে কোনো ব্যতিক্রম ঘটেনি। চতুর্থত, অ-ল্যাটিন লিপি ও এনকোডিং। এশীয় ক্রিকেটের সংবাদ বহু ভাষার সূত্র থেকে আসে — হিন্দি, উর্দু, বাংলা, তামিল, সিংহলি। এনকোডিং চেইনে ভুল হলে, টোকেনাইজার অপরিচিত অক্ষর দেখলে, কিংবা ভাষা শনাক্তকরণ ব্যর্থ হলে পুরো মূল অংশটাই শূন্য ধরা হতে পারে। এমনকি নিবন্ধটি হাজার শব্দের হলেও। পঞ্চমত, শ্রেণিবিন্যাসকরণের আগাম ব্যর্থতা। ফলাফলে ধরন Unclassified হিসেবে এসেছে। যদি প্রথম ধাপেই শ্রেণিবিন্যাসকরণ ব্যর্থ হয়, তাহলে পরবর্তী নিষ্কাশন শাখাটি সক্রিয়ই নাও হতে পারে। এটি সম্ভবত সবচেয়ে তাড়াতাড়ি যাচাই করার মতো অনুমান, কারণ এটি সরাসরি প্রবাহের নিয়ন্ত্রণ-যুক্তির সঙ্গে জড়িত। এই পাঁচটির মধ্যে যেগুলো আগে যাচাই করা উচিত, সেগুলো প্রথম ও দ্বিতীয়। কারণ এদের যাচাই তুলনামূলক সহজ এবং এদের প্রভাব সবচেয়ে বিস্তৃত। যদি পৃষ্ঠাটি আসলে নিবন্ধের মূল অংশ না হয়, বা মূল অংশ ক্লায়েন্টে তৈরি হয়, তাহলে পাইপলাইনে অন্য কোনো পরিবর্তন করে লাভ নেই। যাচাইয়ের জন্য তিনটি পথ আছে। সবচেয়ে সরাসরি পথ — মূল নিবন্ধের সম্পূর্ণ লেখা। দ্বিতীয় পথ — নিবন্ধের ঠিকানা এবং তার অ্যাক্সেস-অবস্থার বিবরণ, অর্থাৎ পেওয়াল আছে কি না, জাভাস্ক্রিপ্ট জরুরি কি না, স্বাভাবিক ব্রাউজারে লেখাটি দেখা যায় কি না। তৃতীয় পথ — প্রথম স্তরের কাঁচা মধ্যবর্তী উপাদান, অর্থাৎ সংগৃহীত এইচটিএমএল-এর দৈর্ঘ্য, অক্ষরসংখ্যা এবং নিষ্কাশকের লগ। যদি এইচটিএমএল-এর দৈর্ঘ্য মাত্র কয়েকশ অক্ষর হয়, তবে ধরে নেওয়া যায় সমস্যা নিবন্ধের বিষয়বস্তুর ঘাটতি নয়, নিষ্কাশনের ব্যর্থতা। মূল লেখা পাওয়া গেলে যে বিশ্লেষণ তাৎক্ষণিকভাবে সম্ভব, সেটি স্পষ্ট করে বলা দরকার। কেন্দ্রীয় দাবি এবং তার পক্ষে থাকা প্রমাণের মধ্যে সম্পর্ক, যুক্তির দুর্বল জায়গা, অনুক্ত পূর্বধারণা, স্বার্থসংশ্লিষ্ট পক্ষ ও তাদের ঝোঁক, সময়-সংবেদনশীলতার মাত্রা এবং আন্তঃসূত্র যাচাইয়ের তালিকা — এই সব তৈরি করা যায়। কিন্তু এই তালিকার প্রতিটি উপাদানের জন্যই একটি করে নির্দিষ্ট তথ্যবিন্দু দরকার। তথ্যবিন্দু ছাড়া এই তালিকা শুধু ছক, শুধু শিরোনাম। এরপর আসে প্রবাহগত সমস্যা, যা শূন্য ফলাফলের চেয়েও গুরুত্বপূর্ণ হতে পারে। প্রতিবেদনে সময়-সংবেদনশীলতার ঘরে লেখা আছে — প্রথম স্তরে মূল্যায়ন করা হয়নি। এর অর্থ প্রথম স্তরের স্বাভাবিক সিদ্ধান্ত-যুক্তি সম্পূর্ণভাবে চলে না। যদি পরবর্তী ধাপ এই ক্ষেত্রটির ওপর নির্ভর করে সময়ভিত্তিক গুরুত্ব নির্ধারণ বা ক্রম সাজায়, তবে এই ব্যাচের তথ্য ফাঁকা মান নিয়ে নীরবেই পার হয়ে যাবে। কোনো ত্রুটি দেখা যাবে না, কোনো সতর্কবার্তা আসবে না। কিন্তু চূড়ান্ত ফলাফল দূষিত হবে। নীরব দূষণ ক্রীড়া সাংবাদিকতায় বিশেষভাবে বিপজ্জনক। ক্রীড়া সংবাদ দ্রুততার ওপর দাঁড়ানো; সূচি, ফল, স্থানান্তর, নিষেধাজ্ঞা — এগুলোর মূল্য সময়ের সঙ্গে দ্রুত কমে। যদি বিশ্লেষণ-প্রবাহ সময়ভিত্তিক গুরুত্ব ঠিকমতো গণনা না করে, তবে পুরোনো সিদ্ধান্ত নতুন বলে চালানো হবে, আর নতুন ঘটনা চাপা পড়ে থাকবে। পাঠক তাৎক্ষণিকভাবে ধরতে পারবেন না, কারণ ফলাফল দেখতে নিয়মিতই থাকে। সমাধান প্রযুক্তিগত, এবং তুলনামূলক সহজ। প্রথম স্তরে একটি কঠিন যাচাই যোগ করা দরকার — তথ্যবিন্দুর তালিকা খালি হলে প্রক্রিয়া থামুক এবং সতর্কবার্তা উঠুক। আকারে সম্পূর্ণ, বিষয়বস্তুতে শূন্য এমন ফলাফল পরবর্তী ধাপে পাঠানো যাবে না। দ্বিতীয়ত, ধরন Unclassified হলে শূন্য শাখায় না গিয়ে সাধারণ নিষ্কাশক চালু হওয়া উচিত। তৃতীয়ত, মান সূচক হিসেবে এইচটিএমএল-এর দৈর্ঘ্য ও নিষ্কাশিত অক্ষরসংখ্যা লগে রাখা উচিত; এদের অনুপাত থেকেই বোঝা যাবে কোথায় সমস্যা। চতুর্থত, বহুভাষিক এনকোডিং চেইন আলাদাভাবে পর্যবেক্ষণ করা দরকার, কারণ এশীয় ক্রীড়া সংবাদে এই ঝুঁকি স্থায়ী। শেষ কথা। শূন্য ফলাফল নিজে কোনো তথ্য নয়, কিন্তু শূন্য ফলাফল সম্পর্কে সৎ বিবৃতি একটি মূল্যবান তথ্য। যে বিশ্লেষণ কিছু পাওয়া যায়নি বলে থেমে যায়, সেটি পাঠককে ঠকায় না। যে বিশ্লেষণ ডোমেইন ট্যাগ দেখে গল্প বানিয়ে ফেলে, সেটি ঠকায়। ক্রীড়া সংবাদেও এই নিয়ম অপরিবর্তিত। একটি খালি ঘর পূরণ করার একমাত্র বৈধ উপায় হলো তথ্য আনা — অনুমান নয়।