ক্রিকেট সংবাদ বিশ্লেষণ পাইপলাইনে ত্রুটি: স্টেজ-১ এর খালি আউটপুটে গভীর বিশ্লেষণ অসম্ভব

ক্রিকেট বিশ্বের সংবাদ বিষয়ক একটি স্বয়ংক্রিয় বিশ্লেষণ পাইপলাইনের প্রথম ধাপ সম্প্রতি এমন একটি ফলাফল দিয়েছে, যা কার্যত একটি খালি খোলস ছাড়া আর কিছু নয়। ফলাফলটি ক্ষেত্র ধরে ধরে যাচাই করে দেখা গেছে, আউটপুটের প্রায় প্রতিটি অংশ হয় সম্পূর্ণ অনুপস্থিত, নয়তো এমন একটি ডিফল্ট মান বহন করছে, যা থেকে কোনো অর্থবহ সিদ্ধান্তে পৌঁছানো সম্ভব নয়। যে গভীর বিশ্লেষণটি এই আউটপুটের ওপর দাঁড়িয়ে সম্পন্ন হওয়ার কথা ছিল, তা শুরু করার আগেই থেমে গেছে। বিষয়টি নিছক একটি কারিগরি ত্রুটি নয়। এটি সংবাদ উৎপাদনের একটি গুরুত্বপূর্ণ স্তরে নির্ভরযোগ্যতা, স্বচ্ছতা এবং যাচাইয়ের প্রশ্ন তুলে দেয়। যখন একটি বিশ্লেষণ ব্যবস্থা নিজের ব্যর্থতা সম্পর্কে স্পষ্টভাবে কিছু বলতে পারে না, তখন তার ওপর নির্ভর করে প্রকাশিত যেকোনো প্রতিবেদনই অনিশ্চয়তার ঝুঁকিতে পড়ে। প্রথমেই দেখা দরকার, আউটপুটে ঠিক কী আছে এবং কী নেই। নিবন্ধের শিরোনামের ক্ষেত্রে দেওয়া হয়েছে এন/এ, অর্থাৎ কোনো শিরোনামই নেই। ফলে কোন বিষয় নিয়ে বিশ্লেষণ চলছে, তা নির্ধারণ করার কোনো উপায় নেই। নিবন্ধের উৎসের ক্ষেত্রেও একই অবস্থা—সেখানে কোনো তথ্য নেই, তাই সূত্রটির নির্ভরযোগ্যতা বা অবস্থানগত পক্ষপাত যাচাই করা অসম্ভব। নিবন্ধের ধরন রাখা হয়েছে "অশ্রেণীবদ্ধ" হিসেবে। সংবাদ, সম্পাদকীয় আর উপাত্তভিত্তিক প্রতিবেদন—এই তিন ধরনের লেখার বিশ্লেষণ পদ্ধতি সম্পূর্ণ আলাদা। ধরন অনির্ধারিত থাকলে সঠিক পদ্ধতি বেছে নেওয়ার প্রশ্নই ওঠে না। এক বাক্যের সারসংক্ষেপ সম্পূর্ণ খালি, অর্থাৎ মূল বক্তব্য কী, তা ধরার কোনো উপায় নেই। লেখকের অবস্থান এবং নিবন্ধের উদ্দেশ্য—দুটোই এন/এ। আর সবচেয়ে বড় ঘাটতি তথ্যবিন্দুর তালিকায়। তালিকাটি খালি, অথচ এটিই ছিল একমাত্র বাস্তব তথ্যের বাহক। এই একটি ঘাটতি একাই বাকি সবকিছুকে অর্থহীন করে দেয়। শুধুমাত্র ডোমেইন লেবেল—ক্রিকেট বিশ্ব—একটি বৈধ মান হিসেবে টিকে আছে। কিন্তু একটি বিষয়গত শ্রেণি কেবল এইটুকু বলে যে লেখাটি কোন জগতের, তা কোনো ঘটনা, মত বা সময়ের তথ্য বহন করে না। আউটপুটের অতিরিক্ত নির্দেশনার অংশটিও একই কারণে অকার্যকর। সেখানে বলা হয়েছে, সত্তা চিহ্নিত করতে হবে ওপরে দেওয়া তথ্যবিন্দু থেকে। কিন্তু তথ্যবিন্দু যখন নেই, তখন সত্তা চিহ্নিত করার ভিত্তিই নেই। সময়-সংবেদনশীলতা মূল্যায়ন করা হয়নি বলে জানানো হয়েছে। আর উৎসের মান যাচাই করতে বলা হয়েছে উৎস-সংক্রান্ত ক্ষেত্রগুলো দেখে, অথচ সেই ক্ষেত্রগুলোর মান এন/এ। অর্থাৎ তিনটি নির্দেশই ভেতরে ভেতরে অচল হয়ে পড়েছে। এই জায়গায় একটি স্পষ্ট সীমারেখা টানা দরকার। শুধু ক্রিকেট বিশ্ব এই ডোমেইন লেবেলের ওপর ভরসা করে নিবন্ধের বিষয়বস্তু অনুমান করা যাবে না। ডোমেইন লেবেল কেবল বিষয়ের অন্তর্ভুক্তি বোঝায়; এটি কোনো তথ্য, মত বা সময়ের সংকেত বহন করে না। "ক্রিকেট বিশ্বের লেখা মানে সাধারণত ম্যাচ, খেলোয়াড় বা পরিচালনা পর্ষদ নিয়ে আলোচনা"—এ ধরনের অনুমান নিছক বানানো গল্প। এই ধরনের অনুমান পরবর্তী বিশ্লেষণকে দূষিত করে এবং ভুলকে এমনভাবে ছড়িয়ে দেয়, যা দেখতে যুক্তিসঙ্গত মনে হয়। একটি খালি ভিত্তির ওপর আরও তলা চাপিয়ে দেওয়া মানে ধসকে আরও বড় করা। সম্ভাব্যতার ক্রম অনুযায়ী চারটি স্তরে ত্রুটিটি খোঁজা যেতে পারে। প্রথমত, মূল পাঠ উদ্ধার খালি এসেছে। গতিশীলভাবে তৈরি হওয়া পৃষ্ঠা, পেইডওয়াল অথবা অ্যান্টি-স্ক্র্যাপিং বাধার কারণে নিষ্কাশন ব্যবস্থা খালি বডি পেয়েছে; ফলে স্টেজ-১ এর সব ক্ষেত্র খালি হয়েছে, অথচ প্রক্রিয়াটি সফল হিসেবে ফিরে এসেছে। দ্বিতীয়ত, ক্ষেত্র-ম্যাপিং ভেঙে গেছে। মডেল হয়তো কনটেন্ট তৈরি করেছে, কিন্তু পার্সার যে কী-এর নাম খুঁজছে আর মডেল যে নামে লিখেছে, তার মিল নেই; ফলে ফলাফল নীরবে ঝরে পড়েছে। তৃতীয়ত, ইনপুট কাটা পড়েছে—অতিদীর্ঘ লেখা শূন্য টোকেনে নেমে এসেছে, অথবা প্রম্পট টেমপ্লেটের ভেরিয়েবল পূরণ হয়নি। চতুর্থত, মডেল উত্তর দিতে অস্বীকার করেছে বা ফরম্যাট লঙ্ঘন করেছে; নিরাপত্তা বা ফরম্যাট যাচাইয়ের পর ডিফল্ট খালি টেমপ্লেট ফিরে এসেছে। সবচেয়ে কার্যকর প্রথম পদক্ষেপ—স্টেজ-১ এর মূল ইনপুট অর্থাৎ প্রম্পটে ঢোকা পাঠের দৈর্ঘ্য ও প্রথম পাঁচশ অক্ষর, এবং মূল আউটপুট অর্থাৎ পার্সিংয়ের আগের কাঁচা স্ট্রিং ছাপিয়ে দেখা। বেশিরভাগ ক্ষেত্রেই এই এক ধাপেই সমস্যা ধরা পড়ে। এরপর প্রয়োজনীয় উপকরণের একটি অগ্রাধিকার তালিকা দাঁড় করানো যায়। প্রথমত, নিবন্ধের মূল পাঠ—সম্পূর্ণ লেখা। এটাই সবচেয়ে সরাসরি পথ; মূল পাঠ পেলে স্টেজ-১ পুনর্গঠন করে তার ওপর গভীর বিশ্লেষণ চালানো সম্ভব। দ্বিতীয়ত, মূল পাঠ না মিললে ইউআরএল এবং সংগ্রহের সময়—এই দুটি দিয়ে দেখা যাবে, কোনো আয়না বা ক্যাশে থেকে পুনর্গঠন সম্ভব কি না। তৃতীয়ত, যদি শুধু পাইপলাইন যাচাই করাই লক্ষ্য হয়, তাহলে স্টেজ-১ এর মূল ইনপুট ও মূল আউটপুট দিলেই ত্রুটি নির্ণয় করা যায়, বিষয়বস্তু বিশ্লেষণের দরকার নেই। সংবাদ উৎপাদনের দৃষ্টিতে এই ঘটনার শিক্ষা পরিষ্কার। স্বয়ংক্রিয় বিশ্লেষণ যতই উন্নত হোক, তার আউটপুটে খালি মান থাকলে সেটি সফলতা নয়—ব্যর্থতা। কেবল ডোমেইন লেবেল টিকে থাকা মানে দায়িত্ব নেওয়া হয়নি, বরং দায় এড়ানো হয়েছে। পাঠক যদি এমন একটি প্রতিবেদন পড়েন, যেখানে কোনো নাম, তারিখ বা ঘটনা নেই, তাহলে তার আস্থা ক্ষুণ্ণ হওয়াই স্বাভাবিক। তাই প্রতিটি স্তরে তিনটি প্রশ্ন রাখা জরুরি। তথ্যবিন্দু আছে কি? প্রতিটি তথ্যবিন্দুর উৎস আছে কি? আর সেই উৎসের মান যাচাই হয়েছে কি? এই তিনটি প্রশ্নের উত্তর হ্যাঁ না হলে পরবর্তী ধাপে যাওয়া উচিত নয়। যে ব্যবস্থা নিজের ব্যর্থতা চেপে যায়, সেটি যত দ্রুত নিজের অকার্যকারিতা স্বীকার করে, ততই ভালো। উপরের যাচাই এই কথাই প্রমাণ করে—একটি স্পষ্ট ব্যর্থতার রিপোর্ট হাজারটি অস্পষ্ট সফল আউটপুটের চেয়ে বেশি মূল্যবান। কারণ প্রথমটি সংশোধনের পথ দেখায়, দ্বিতীয়টি ভুলকে দীর্ঘস্থায়ী করে। আরও একটি দিক আছে। সংবাদ সংস্থাগুলো যখন স্বয়ংক্রিয় বিশ্লেষণের ওপর নির্ভর করে সংক্ষিপ্তসার, ট্যাগ বা সত্তা-তালিকা তৈরি করে, তখন ওই স্তরের নির্ভুলতা সরাসরি প্রকাশিত পণ্যের মান নির্ধারণ করে। খালি তথ্যবিন্দু মানে খালি ট্যাগ, ভুল সত্তা এবং অর্থহীন শ্রেণিবিন্যাস। পাঠকের কাছে তা পৌঁছায় বিকৃত রূপে। তাই স্টেজ-১ কেবল একটি প্রস্তুতি ধাপ নয়; এটি মান নিয়ন্ত্রণের প্রথম দরজা। এই দরজা খোলা থাকলে বাকি সব চেষ্টা অর্থহীন হয়ে যায়। এখানে আরেকটি প্রায়ই উপেক্ষিত দিক হলো জবাবদিহি। কে সেই ব্যবস্থার ফলাফল অনুমোদন করেছে, কার কাছে ভুলটি ধরা পড়েছে এবং ঠিক করার দায়িত্ব কার—এই প্রশ্নগুলোর উত্তর যত স্পষ্ট হবে, পাইপলাইনের নির্ভরযোগ্যতা তত দ্রুত ফিরে আসবে। উন্মুক্ত লগ, সংস্করণভিত্তিক ইনপুট ও আউটপুট সংরক্ষণ এবং ত্রুটির ক্ষেত্রে স্বয়ংক্রিয় সতর্কবার্তা—এই তিনটি ব্যবস্থা থাকলে খালি আউটপুট আর নীরবে পাশ কাটিয়ে যেতে পারবে না, তাৎক্ষণিকভাবে ধরা পড়বে।