गोल्फ रिपोर्टिंग का डेटा संकट: जब खाली आंकड़े बुन लेते हैं झूठी कहानियाँ

गोल्फ ऐसा खेल है जिसकी पत्रकारिता आंकड़ों की भाषा पर सबसे अधिक निर्भर है। स्ट्रोक्स गेन्ड (SG) के चार अलग-अलग हिस्से — टी से, अप्रोच से, ग्रीन के आसपास और पटिंग — ऑफिशियल वर्ल्ड गोल्फ रैंकिंग (OWGR) की स्थिति, टूर्नामेंट की प्राइज़ मनी, फील्ड की मजबूती और कोर्स फिट का विश्लेषण; ये सब ऐसे तकनीकी शब्द हैं जो पाठक के मन में तुरंत विश्वसनीयता का भाव पैदा करते हैं। और ठीक यही विश्वसनीयता आज गोल्फ मीडिया की सबसे बड़ी कमजोरी बन रही है। हाल में एक स्वचालित टेक्स्ट-एनालिसिस पाइपलाइन से गुजरा एक गोल्फ रिकॉर्ड इसका ताज़ा उदाहरण है। उस रिकॉर्ड में शीर्षक दर्ज था 'उपलब्ध नहीं', स्रोत 'उपलब्ध नहीं', लेख का प्रकार अवर्गीकृत, सूचना-बिंदुओं की सूची पूरी तरह खाली, और किसी भी खिलाड़ी, टूर्नामेंट, टूर, प्रायोजक या नियामक संस्था का नाम तक शामिल नहीं था। इसके बावजूद सिस्टम ने डोमेन लेबल सही ढंग से 'गोल्फ' चुना था। यानी मशीन को पता था कि दस्तावेज़ गोल्फ के बारे में है, लेकिन उसे पढ़ने लायक कोई सामग्री नहीं मिली। यह विरोधाभास — सही विषय-पहचान और शून्य जानकारी — अपने आप में एक महत्वपूर्ण खोज है। विश्लेषकों का मानना है कि ऐसा तब होता है जब सिस्टम के हाथ में कोई असली लेख नहीं, बल्कि कोई पे-वॉल वाला पन्ना, केवल वीडियो या ऑडियो क्लिप, सोशल मीडिया एम्बेड, रीडायरेक्ट स्टब, या ऐसी पीडीएफ/इमेज लगी हो जिसका ओसीआर फेल हो गया हो। यानी गड़बड़ लेख की कमी में नहीं, बल्कि दस्तावेज़ के अंदर तक पहुँचने की प्रक्रिया में थी। असली चिंता यहाँ शुरू होती है। जब किसी जनरेटिव मॉडल के सामने एक ऐसा टेम्पलेट रखा जाता है जिसमें हर खाने के लिए सामग्री माँगी गई हो, और वह सामग्री मौजूद ही न हो, तो सबसे संभावित परिणाम 'कोई जानकारी नहीं' नहीं होता — सबसे संभावित परिणाम 'झूठी जानकारी' होता है। गोल्फ इस मामले में खासतौर पर संवेदनशील है, क्योंकि इसकी शब्दावली बेहद विशिष्ट है। 'उसने टी से 0.42 स्ट्रोक्स हासिल किए', 'वह विश्व रैंकिंग में 23वें स्थान पर है', 'इस इवेंट का पर्स 20 मिलियन डॉलर था' — ऐसे वाक्य इतने ठोस लगते हैं कि पाठक उन्हें बिना जाँचे स्वीकार कर लेता है। और अगर ये आंकड़े गढ़े गए हों, तो कोई भी सामान्य पाठक उन्हें पकड़ नहीं सकता। यही वजह है कि इस मामले में विश्लेषण का सबसे काम का हिस्सा यह निष्कर्ष है कि रिकॉर्ड को 'विश्लेषित' नहीं, बल्कि 'अपूर्ण-अस्वीकृत' के रूप में दर्ज किया जाना चाहिए। खाली इनपुट को शून्य मान लेना और खाली डेटा को 'कोई संकेत नहीं' मान लेना, दो बिलकुल अलग बातें हैं। पहला दर्ज करता है कि हमें पता नहीं; दूसरा झूठा दावा करता है कि हमें पता है कि कुछ नहीं है। गोल्फ उद्योग के संदर्भ में देखें तो यह तकनीकी खामी कई जगहों पर असर डाल सकती है। टूर स्तर पर स्ट्रोक्स गेन्ड और शॉटलिंक जैसे डेटा सिस्टम, ब्रॉडकास्ट ग्राफिक्स, प्रायोजकों के विज्ञापन दावे, और बेटिंग-डेटा बाज़ार — सब इसी आंकड़ा-आपूर्ति पर टिके हैं। अगर किसी फीड में ऐसे रिकॉर्ड लगातार आने लगें जिनमें डोमेन लेबल तो हो लेकिन कोई सूचना-बिंदु न हो, तो कोई भी ट्रेंड-सीरीज़ जो इन आंकड़ों पर बनी है, चुपचाप विकृत हो जाएगी। खतरा यह है कि यह विकृति दिखती नहीं — क्योंकि फ़ीड 'स्वस्थ' दिखती रहती है। दूसरा बड़ा जोखिम किसी वास्तविक खिलाड़ी की प्रतिष्ठा से जुड़ा है। अगर एक खाली टेम्पलेट को भरने की जल्दबाजी में किसी मौजूदा गोल्फर के नाम के साथ कोई गढ़ा हुआ प्रदर्शन जोड़ दिया जाए, तो वह सिर्फ एक तकनीकी गलती नहीं रहेगी — वह एक झूठा दावा बन जाएगा जो मीडिया में फैल सकता है। इसलिए जरूरी है कि किसी भी खिलाड़ी-विश्लेषण वाले हिस्से को तब तक प्रकाशित न किया जाए जब तक उसमें कम से कम एक वास्तविक, नामांकित इकाई मौजूद न हो। तकनीकी स्तर पर सुधार की राह स्पष्ट है। पहला कदम: जिन रिकॉर्ड में डोमेन लेबल मौजूद हो लेकिन सूचना-बिंदु खाली हों, उनके लिए एक सख्त नियम बनाया जाए — ऐसे रिकॉर्ड आगे के विश्लेषण में न भेजे जाएँ, बल्कि सीधे 'निष्कर्षण विफल' अलर्ट पैदा करें। दूसरा कदम: ऐसे रिकॉर्ड को 'अनुपस्थित' के रूप में चिह्नित किया जाए, शून्य के रूप में नहीं, और किसी भी औसत या गणना से बाहर रखा जाए। तीसरा कदम: मूल स्रोत से एक बार दोबारा सामग्री लाने की कोशिश की जाए — कैश, आर्काइव या ट्रांसक्रिप्ट के जरिए। अगर स्रोत वीडियो या ऑडियो है, तो टेक्स्ट एक्सट्रैक्टर दोबारा चलाने का कोई अर्थ नहीं; वहाँ स्पीच-टू-टेक्स्ट चाहिए। अगर इमेज या पीडीएफ है, तो ओसीआर चाहिए। एक और बारीक बात सामने आई है। चूँकि विषय-पहचान सही थी लेकिन नाम-निकालने वाली प्रक्रिया पूरी तरह विफल रही, इसका मतलब है कि गोल्फ होने का संकेत संभवतः मेटाडेटा से आया था — यूआरएल स्लग, फ़ीड श्रेणी, टैग या शीर्षक के किसी टुकड़े से — न कि लेख के मुख्य पाठ से। इसका एक उम्मीद भरा पक्ष भी है: मूल शीर्षक शायद अभी भी बचाया जा सकता है, और शीर्षक व तारीख के सहारे पूरा लेख दोबारा खोजा जा सकता है। यह काम जल्दी करना चाहिए, जब तक कैश और आर्काइव ताज़ा हैं। इस पूरे प्रकरण का सबसे बड़ा सबक यह है कि गोल्फ पत्रकारिता में 'डेटा' शब्द का इस्तेमाल जितनी आसानी से होता है, उसकी पड़ताल उतनी आसानी से नहीं होती। जब कोई रिपोर्ट कहे कि किसी खिलाड़ी का अप्रोच-प्ले औसत से बेहतर है, तो पाठक के पास यह जाँचने का कोई साधन नहीं होता कि वह आंकड़ा किस स्रोत से आया। इसलिए जिम्मेदारी उस प्रक्रिया पर है जो वह आंकड़ा तैयार करती है — और उस प्रक्रिया में 'मुझे नहीं पता' कहने की हिम्मत भी शामिल होनी चाहिए। विश्लेषकों ने इस मामले में एक व्यावहारिक सूचक भी सुझाया है। अगर किसी एक बैच में दो प्रतिशत से अधिक रिकॉर्ड ऐसे मिलें जिनमें डोमेन लेबल हो और सूचना-बिंदु खाली हों, तो इसे अलग-अलग गलतियाँ न मानकर सिस्टम की बुनियादी खराबी मानना चाहिए। और अगर किसी एक स्रोत-डोमेन से आने वाले रिकॉर्ड में दस प्रतिशत से ज्यादा ऐसे खाली रिकॉर्ड हों, तो उस स्रोत को फ़ीड से हटा देना चाहिए। यही नहीं, दोबारा सामग्री लाने की कोशिशों की सफलता दर पर भी नज़र रखनी चाहिए; अगर आधे से भी कम मामलों में सामग्री वापस न मिले, तो इसका मतलब है कि स्रोत या तो गैर-पाठ्य है या स्थायी रूप से गायब हो चुका है। अंत में, इस घटना का एक सुकून भरा पहलू भी है। चूँकि किसी भी खिलाड़ी का नाम सामने नहीं आया, इसलिए इस विशेष रिकॉर्ड से किसी वास्तविक इंसान की प्रतिष्ठा को कोई नुकसान नहीं पहुँचा। लेकिन यह सुकून स्थायी नहीं है। जिस दिन ऐसा ही खाली टेम्पलेट किसी असली नाम के साथ भर दिया जाएगा, उस दिन यही खामी एक मीडिया संकट बन जाएगी। गोल्फ जैसे खेल में, जहाँ हर आंकड़ा एक दावा है और हर दावा एक कहानी, वहाँ सबसे कीमती आंकड़ा शायद यही ईमानदार स्वीकारोक्ति है: 'इस बारे में हमारे पास पर्याप्त जानकारी नहीं है।'