স্টেজ-১ আউটপুট খালি: ক্রিকেট বিশ্লেষণে অনুমান নয়, যাচাইয়ের পক্ষে অবস্থান

ক্রিকেট-বিষয়ক কনটেন্ট বিশ্লেষণের একটি বহু-ধাপ পাইপলাইনে প্রথম ধাপের কাজ শেষ হয়েছে বলে জানানো হয়েছিল। গভীর বিশ্লেষণ শুরুর আগে সেই ধাপের ফলাফল যাচাই করা হয়েছে। ফলাফল স্পষ্ট: আউটপুটটি কার্যত একটি খোলস, যার ভেতরে কোনো ব্যবহারযোগ্য তথ্য নেই। ফলে এই ভিত্তির ওপর বিশ্লেষণ দাঁড় করানো সম্ভব নয়, এবং দাঁড় করানো উচিতও নয়। ক্ষেত্র ধরে ধরে পর্যালোচনা করলে চিত্রটি আরও পরিষ্কার হয়। প্রবন্ধের শিরোনামের ঘরে লেখা আছে এন/এ। অর্থাৎ কী বিষয়ে লেখা হয়েছে, তা এই আউটপুট থেকে জানার কোনো উপায় নেই। উৎসের ঘরেও একই অবস্থা। কোন গণমাধ্যম, কোন লেখক, কী পরিসরে প্রকাশিত, কী রাজনৈতিক বা সম্পাদকীয় অবস্থান থেকে লেখা, এসবের কিছুই নেই। ফলে তথ্যের নির্ভরযোগ্যতা যাচাই করার প্রশ্নটিই ওঠে না, কারণ যাচাই করার মতো কোনো বস্তুই নেই। লেখার ধরন বা টাইপের ঘরে আছে আনক্লাসিফায়েড। এটি একটি গুরুত্বপূর্ণ সংকেত। সংবাদ, মতামত আর তথ্যচিত্র—এই তিন ধরনের লেখা বিশ্লেষণে সম্পূর্ণ ভিন্ন পদ্ধতি দাবি করে। সংবাদের ক্ষেত্রে যাচাইযোগ্য দাবি, সূত্র ও সময়ের প্রাধান্য; মতামতের ক্ষেত্রে লেখকের অবস্থান ও যুক্তির গঠন; তথ্যচিত্র বা ডেটা রিপোর্টের ক্ষেত্রে নমুনার আকার, সময়সীমা ও পদ্ধতিগত স্বচ্ছতা। ধরন অনির্ধারিত থাকলে বিশ্লেষণের কাঠামোই নির্ধারণ করা যায় না। একই কারণে লেখকের অবস্থান ও লেখার উদ্দেশ্য—এই দুই ঘরের এন/এ কেবল ফাঁকা ঘর নয়, বরং একটি পদ্ধতিগত বাধা। এই দুটি তথ্য ছাড়া কোনো বাক্যকে সমর্থন বা বিরোধিতা হিসেবে চিহ্নিত করা অসম্ভব। এক-বাক্যের সারসংক্ষেপের ঘর সম্পূর্ণ ফাঁকা। এর অর্থ, লেখাটির মূল প্রস্তাব বা কেন্দ্রীয় দাবি কী, তা কোথাও ধরা পড়েনি। বিশ্লেষণের প্রথম কাজই হলো কেন্দ্রীয় দাবিটিকে চিহ্নিত করা; সেটি না থাকলে পরবর্তী সব ধাপ—দাবির সমর্থনে কী প্রমাণ দেওয়া হয়েছে, কোন প্রমাণ অনুপস্থিত, কোন যুক্তিতে ফাঁক—কোনোটাই শুরু করা যায় না। সবচেয়ে গুরুতর সমস্যা তথ্যবিন্দুর তালিকায়। সেখানে একটি উপাদানও নেই। এই তালিকাই ছিল একমাত্র বাস্তব তথ্যবাহী অংশ—যেখান থেকে ঘটনা, তারিখ, ব্যক্তি, সংখ্যা ও উদ্ধৃতি সংগ্রহ করার কথা ছিল। এটি ফাঁকা মানে বিশ্লেষণের জন্য কোনো কাঁচামালই নেই। বাকি সব ক্ষেত্র কোনো না কোনোভাবে এই তালিকার ওপর নির্ভরশীল, তাই একটি ক্ষেত্র ফাঁকা হলে পুরো কাঠামোই শূন্য হয়ে পড়ে। ডোমেইন লেবেল হিসেবে পাওয়া গেছে ক্রিকেট ওয়ার্ল্ড। এটিই একমাত্র পূরণ হওয়া ঘর। কিন্তু এই লেবেল শুধু বলে যে বিষয়টি ক্রিকেট-সংক্রান্ত বলয়ে পড়ে। এটি কোনো ঘটনা, কোনো সিদ্ধান্ত, কোনো সময়সীমা বা কোনো পক্ষের অবস্থান বহন করে না। একটি ক্রিকেট-বিষয়ক লেখা ম্যাচের প্রতিবেদন হতে পারে, খেলোয়াড়ের প্রোফাইল হতে পারে, নির্বাচন কমিটির সিদ্ধান্তের সমালোচনা হতে পারে, আবার সম্প্রচার-স্বত্ব বা বোর্ড-রাজনীতির অনুসন্ধানও হতে পারে। এই সম্ভাবনাগুলোর মধ্যে পার্থক্য করার কোনো উপায় লেবেলটিতে নেই। তাই এই লেবেলকে ভিত্তি করে অনুমান করা হবে বিশুদ্ধ নির্মাণ। সেই নির্মাণ পরে বিশ্লেষণে ঢুকে পড়ে এবং ভুলটি যুক্তিসঙ্গত দেখাতে শুরু করে। এ কারণেই এই প্রতিবেদনে সেই পথ নেওয়া হয়নি। আরও তিনটি নির্দেশনা ছিল, যেগুলো ওপরের ডেটার ওপর নির্ভরশীল। সত্তা চিহ্নিত করার নির্দেশ ছিল তথ্যবিন্দুর ভিত্তিতে, যা নেই। সময়-সংবেদনশীলতা যাচাইয়ের নির্দেশ ছিল, কিন্তু কোনো সময়-সংক্রান্ত তথ্য না থাকায় তা অসম্ভব—আজকের ঘটনা না পুরোনো ঘটনা, তা নির্ধারণ করা যায় না। উৎসের গুণমান নির্ধারণের নির্দেশ ছিল উৎস-সংক্রান্ত ঘরগুলোর ভিত্তিতে, যেগুলো সব এন/এ। অর্থাৎ এই তিনটিও স্বাভাবিকভাবেই ফলহীন থেকে গেছে। এখন প্রশ্ন হলো, ত্রুটিটি কোথায়। সম্ভাব্য কারণগুলো গুরুত্ব অনুসারে সাজানো যায়। প্রথমত, মূল লেখার বডি সংগ্রহের ধাপে ফাঁকা ফল এসেছে। অনেক ওয়েবসাইট জাভাস্ক্রিপ্ট দিয়ে বিষয়বস্তু তৈরি করে, কিছু পেওয়ালের পেছনে থাকে, কিছু বট-প্রতিরোধী ব্যবস্থা চালু রাখে। এসব ক্ষেত্রে এক্সট্র্যাকশন একটি ফাঁকা বডি পায়, কিন্তু পাইপলাইন সফল বার্তা নিয়েই এগিয়ে যায়। দ্বিতীয়ত, ঘরের নাম মেলানোর ধাপে ভাঙন। মডেল হয়তো উত্তর তৈরি করেছে, কিন্তু পার্সার ভিন্ন কী খুঁজছে—মডেল এক নামে লিখেছে, পার্সার পড়ছে আরেক নামে; ফলে ফল নীরবে বাদ পড়েছে। তৃতীয়ত, ইনপুট কেটে যাওয়া—অত্যন্ত দীর্ঘ লেখা শূন্য টোকেনে নেমে আসা, বা প্রম্পট টেমপ্লেটের চলক পূরণ না হওয়া। চতুর্থত, মডেলের উত্তর দিতে অস্বীকৃতি বা ফরম্যাট-নীতিভঙ্গ, যার পর ডিফল্ট খালি টেমপ্লেট ফেরত দেওয়া হয়েছে। এই নির্ণয়ের একটি ব্যবহারিক পরামর্শ আছে। প্রথমে স্টেজ-১-এর কাঁচা ইনপুট আর কাঁচা আউটপুট ছাপিয়ে দেখা উচিত—প্রম্পটে ঢোকা লেখার দৈর্ঘ্য কত ছিল, প্রথম কয়েকশ অক্ষর কী, আর মডেলের অ-পার্স-করা উত্তরটি ঠিক কী। অধিকাংশ ক্ষেত্রেই এই এক ধাপেই সমস্যা ধরা পড়ে, কারণ এতে বোঝা যায় ত্রুটিটি সংগ্রহের স্তরে নাকি পার্সিংয়ের স্তরে। পরবর্তী করণীয় নিয়েও স্পষ্টতা দরকার। সবচেয়ে সরাসরি পথ—মূল লেখাটি জোগাড় করা। পুরো বডি হাতে এলে স্টেজ-১ নতুন করে গড়ে তোলা যায় এবং তার ওপর গভীর বিশ্লেষণ চালানো যায়। যদি মূল লেখা না মেলে, তবে লিংক ও সংগ্রহের সময় জানানো যেতে পারে; সেক্ষেত্রে ক্যাশে বা আর্কাইভ থেকে পুনর্গঠনের সম্ভাবনা যাচাই করা যায়। আর যদি উদ্দেশ্য শুধু পাইপলাইনের ত্রুটি ধরা হয়, তাহলে কাঁচা ইনপুট-আউটপুটই যথেষ্ট—সেক্ষেত্রে কনটেন্ট বিশ্লেষণে না গিয়ে কেবল ত্রুটি নির্ণয় করা হবে। পুনর্গঠিত একটি স্টেজ-১ কেমন হওয়া উচিত, তাও পরিষ্কার। প্রতিটি তথ্যবিন্দুর পাশে তার উৎস থাকবে—লেখার কোন অনুচ্ছেদ বা কোন বাহ্যিক সূত্র থেকে এসেছে। সময়-সংবেদনশীল দাবিগুলো আলাদা করে চিহ্নিত থাকবে, যাতে কোন তথ্য কবে পর্যন্ত বৈধ, তা বোঝা যায়। উৎসের গুণমান স্তরভিত্তিক হবে—প্রাথমিক সূত্র, প্রতিষ্ঠিত গণমাধ্যম, বেনামি দাবি। এই তিনটি উপাদান থাকলে তবেই বিশ্লেষণ যাচাইযোগ্য হয়; না থাকলে তা মতামতের মতো দেখতে একটি নির্মাণে পরিণত হয়। সাংবাদিকতার দিক থেকে এই ঘটনার একটি বড় শিক্ষা আছে। বিশ্লেষণ যখন খালি কাঠামোর ওপর দাঁড়ায়, তখন সেখানে অনুমান ঢুকে পড়ে এবং পাঠক সেটিকে তথ্য হিসেবে গ্রহণ করেন। ক্রিকেট-সংক্রান্ত প্রতিবেদনে এই ঝুঁকি কম নয়—কারণ সেখানে খেলোয়াড়, নির্বাচক, বোর্ড ও ভক্তদের নিয়ে প্রচুর স্বাভাবিক বয়ান আগে থেকেই ঘুরছে। ফাঁকা জায়গা থাকলে সেই বয়ানই তা ভরে দেয়, আর ভুলটি দ্রুত ছড়িয়ে পড়ে। তাই পদ্ধতিগত নিয়মটি স্পষ্ট রাখা ভালো: যে তথ্য নেই, তা লেখা হবে না; যে অনুমান করা হচ্ছে, তা অনুমান বলে চিহ্নিত হবে। এই প্রতিবেদনে ঠিক সেই নিয়মই মানা হয়েছে—এবং এ কারণেই এখানে কোনো ম্যাচের ফল, কোনো খেলোয়াড়ের নাম বা কোনো ঘটনার বিবরণ নেই। কারণ আউটপুটে সেগুলোর একটি অণুও ছিল না।