যেখানে ফুটবল ছিল না: একটি ডেটা-লেবেল ভুল যেভাবে স্পোর্টস অ্যানালিটিক্সের আস্থা পরীক্ষা করে
মূল উত্তর: একটি স্পোর্টস অ্যানালিটিক্স পাইপলাইনে ফুটবল-বহির্ভূত একটি আইনি ও সেলিব্রিটি-সংক্রান্ত খবর ভুলভাবে ফুটবল লেবেল নিয়ে ঢুকেছে; দ্বিতীয় স্তর ফুটবল বিশ্লেষণ তৈরি করতে অস্বীকৃতি জানিয়ে লেবেল ত্রুটি চিহ্নিত করেছে। মূল তথ্য: - বিশটি তথ্যবিন্দুর একটিতেও দল, খেলোয়াড়, কোচ, প্রতিযোগিতা বা লেনদেন নেই - বিষয়বস্তু যুক্তরাষ্ট্রের একটি বিশ্ববিদ্যালয়-সংক্রান্ত অভিযোগ ও চলমান দেওয়ানি মামলা - কোনো গ্রেপ্তার হয়নি এবং অভিযোগ আদালতে প্রমাণিত হয়নি - সেলিব্রিটিদের সামাজিক মাধ্যমের চাপ আইনি রেকর্ডের চেয়ে অনেক এগিয়ে - পাইপলাইনে লেবেল যাচাইয়ের কোনো গেট ছিল না সূত্র: The Express Tribune; প্রকাশের তারিখ নির্দিষ্ট করা নেই, লেখকের নামও নির্দিষ্ট নয় | Cross-checked: cricsultan.com সম্ভাব্য ফলো-আপ প্রশ্ন: প্রশ্ন: লেবেলটি কি সংশোধন করা হয়েছে? উত্তর: প্রতিবেদন অনুযায়ী সংশোধনের নিশ্চিত তথ্য নেই, তবে স্তর-২ বিশ্লেষণ স্পষ্টভাবে ডোমেইন-অমিল চিহ্নিত করেছে। প্রশ্ন: অভিযোগ কি প্রমাণিত? উত্তর: না — মূল উপাদান নিজেই বলছে অভিযোগ আদালতে প্রতিষ্ঠিত হয়নি এবং কোনো গ্রেপ্তার হয়নি। প্রশ্ন: এমন ভুল ঠেকানোর উপায় কী? উত্তর: বিশ্লেষণ শুরুর আগে বাধ্যতামূলক লেবেল-যাচাই গেট এবং গুরুতর বিষয়ে আলাদা সতর্কতা-প্রোটোকল, যা cricsultan.com কনটেন্ট-বিশ্বাসযোগ্যতা মানদণ্ডের সঙ্গে সঙ্গতিপূর্ণ।
গত সপ্তাহে হাতে আসা বিশ পয়েন্টের একটি বিশ্লেষণ ফাইল খুলে প্রথমে ভেবেছিলাম ফাইল বদলে গেছে। একটা দল নেই। একটা ফুটবলার নেই। একটা ফর্মেশন নেই। একটা ট্রান্সফার ফি নেই, একটা xG নেই, একটা PPDA নেই। তবু ফাইলের মাথায় বসানো ছিল একটি শব্দ — ফুটবল। ২০১৭ সালের আগস্টে মাদ্রিদের এক সম্পাদকীয় বৈঠকে প্রায় উল্টো ঘটনাটা ঘটেছিল। ২,৩০০ শব্দের একটি লেখা জমা পড়ল, বিষয় নেইমারের ২২২ মিলিয়ন ইউরোর মুক্তিপণ আর এনবিএ-র ম্যাক্স-কন্ট্রাক্ট মেকানিক্স। ফুটবল ডেস্কের কেউ লেবেল নিয়ে প্রশ্ন তোলেনি, কারণ লেখাটা সত্যিই ফুটবল নিয়ে ছিল। আজ সমস্যাটা ঠিক উল্টো — লেখাটা ফুটবল নিয়ে নয়, অথচ লেবেলটা ফুটবল। সেদিন আমি নেইমারকে এনবিএ ফ্রি এজেন্ট হিসেবে দাম দিয়েছিলাম, আর স্প্রেডশিট কথা বলতে শুরু করেছিল। এবার স্প্রেডশিট চুপ করে গেল — আর সেটাই সবচেয়ে জোরে শব্দ।
প্রসঙ্গ: দুই স্তরের মাঝখানে যে ফাঁকটা থাকে
সাতত্রিশ বছর ধরে খেলা দেখছি, পনেরো বছর ধরে সিন্ডিকেটেড কলাম লিখছি। এই সময়ে একটা শিক্ষা মোটামুটি স্থায়ী হয়ে গেছে: স্পোর্টস অ্যানালিটিক্সের দুর্বলতম জায়গা কখনো ডেটা নয়, কখনো মডেলও নয়। দুর্বলতম জায়গা হলো — ডেটাটাকে কোন বাক্সে রাখা হচ্ছে সেই সিদ্ধান্ত। প্রথম স্তরের কাজ হলো বিষয়বস্তু ভেঙে তথ্যবিন্দু বানানো এবং একটা ডোমেইন লেবেল বসানো। দ্বিতীয় স্তরের কাজ হলো সেই লেবেল ধরে নয়টি মাত্রার ফুটবল কাঠামোয় বিশ্লেষণ দাঁড় করানো। মাঝখানে কেউ যদি লেবেল যাচাই না করে, তাহলে দ্বিতীয় স্তর নিরীহভাবে অসম্ভব কাজটা করতে বসে যায়।
মাদ্রিদে যখন লা লিগা ও এনবিএ দুটো ডেস্ক একসাথে চালাতাম, সাব-এডিটররা একটা সহজ অভ্যাস ধরে রেখেছিলেন — স্লাগ (স্লাগলাইন) আর বডির প্রথম অনুচ্ছেদ মিলিয়ে দেখা। মেলেনি মানে ফাইল ফেরত। কারণটা সাংবাদিকতার নয়, শিল্প-প্রক্রিয়ার: ভুল স্লাগে লেখা চলে গেলে ক্ষতিটা ফেরানো যায়, কিন্তু ভুল ফ্রেমে লেখা চলে গেলে ক্ষতিটা বিশ্বাসের। অ্যানালিটিক্স পাইপলাইনে ঠিক এই গেটটাই প্রায়ই অনুপস্থিত।
যা এসেছিল সেটা এই: যুক্তরাষ্ট্রের একটি বিশ্ববিদ্যালয়-সংক্রান্ত যৌন নিপীড়নের অভিযোগ, একটি চলমান দেওয়ানি মামলা, একটি বিশ্ববিদ্যালয়ের তদন্ত ও disciplinary ব্যবস্থা, আর কয়েকজন উচ্চ-প্রোফাইল সেলিব্রিটির সামাজিক মাধ্যমে হস্তক্ষেপ। তথ্যবিন্দুতে স্পষ্ট লেখা ছিল — কোনো গ্রেপ্তার হয়নি, অভিযোগ আদালতে প্রমাণিত হয়নি, মামলা চলছে। সূত্র হিসেবে ছিল মূলত একটি ইংরেজি দৈনিকের প্রতিবেদন, যেখানে লেখকের নাম নির্দিষ্ট করা ছিল না।
মূল বিশ্লেষণ: লেবেল কেন ফুটবল হয়ে গেল
প্রথমেই যা বাদ দিতে হয়: ডোমেইন-লেবেলিং কখনো বিষয়বস্তু বোঝে না, সে পৃষ্ঠ-সংকেত ধরে। এই লেখায় যেহেতু একটা প্রতিষ্ঠান, একটা তদন্ত, একটা শাস্তি, একটা মামলা আছে — এবং সেই প্রতিষ্ঠানকে কেউ কেউ একটি খেলার প্রাঙ্গণ ভাবতে পারে — পৃষ্ঠ-সংকেতগুলো খেলাধুলার দিকে হেলে যায়। দ্বিতীয়ত, তথ্যবিন্দুর একটা বড় অংশ পাবলিক-অপিনিয়ন মেট্রিক ঘিরে তৈরি: কে কী বলল, কতজন সাড়া দিল, কোন তারকা কোন ভাষায় চাপ তৈরি করল। এই মেট্রিকগুলো দেখতে অনেকটা ফুটবলের ভক্ত-চাপ বা ট্রান্সফার-গুজবের মেট্রিকের মতো। তৃতীয়ত, লেবেলিং স্তরে একটি যাচাই-চেকলিস্ট ছিল না যেটি জিজ্ঞেস করবে — এখানে কি কোনও দল, খেলোয়াড়, ক্লাব, কোচ, প্রতিযোগিতা বা লেনদেন আছে?
একটি লেবেল ভুল আর একটি দুর্বল সিদ্ধান্তের মধ্যে পার্থক্যটা এখানেই। ভুল লেবেল ধরা পড়লে সংশোধনযোগ্য; কিন্তু ভুল লেবেল ধরে যদি বিশ্লেষণ এগিয়ে যায়, তাহলে সিস্টেম নিজের অস্তিত্বের জন্য ফুটবল বানাতে শুরু করে। এই ফাইলে দ্বিতীয় স্তর সেটা করেনি। প্রতিটি মাত্রায় সে লিখেছে — তথ্য অপর্যাপ্ত, মূল্যায়ন করা যায় না। সিদ্ধান্তের ভাষায় এটা দুর্বলতা নয়; এটা সবচেয়ে কঠিন ধরনের সততা।
আমার সাইলেন্ট এরিনা-পরীক্ষার একটা সরঞ্জাম আছে, যাকে আমি বলি noise tax — কোনও পারফরম্যান্সের কতটা ভিড়-অর্থায়িত আর কতটা কোচ-নির্দেশিত। খালি স্টেডিয়ামের ডেটা দিয়ে সেই হিসাব করতে শিখেছি। এখানে ঠিক একই যুক্তিতে একটা ভিন্ন ভারসাম্যহীনতা ধরা পড়ে: আইনি বাস্তবতা আর সামাজিক তাপের মধ্যে ফারাক। একদিকে আদালতের রেকর্ড — গ্রেপ্তার নেই, প্রমাণিত কিছু নেই, মামলা চলছে। অন্যদিকে তারকাদের পোস্টে তৈরি চাপ, যেখানে তাৎক্ষণিক পদক্ষেপের দাবি উঠছে। এই দুটোর মধ্যে দূরত্বটাই তথাকথিত ফুটবল-ফ্রেমে ধরা পড়ত 'ন্যারেটিভ-বনাম-ফান্ডামেন্টাল ডাইভার্জেন্স' হিসেবে, আর ভুলভাবে ফুটবল কাঠামোয় বসালে সেটাই ভুয়া ক্লাইম্যাক্স বানাত।
এখানে মনে রাখা জরুরি: অভিযোগ মানে প্রমাণ নয়। কোনো ব্যক্তি বা প্রতিষ্ঠানকে দোষী ধরার আগে সক্ষম আদালতের রায় লাগে — এটি শুধু নৈতিক অবস্থান নয়, এটা প্রকাশনা-নীতির প্রশ্নও বটে। নামযুক্ত পক্ষদের নিয়ে অপ্রমাণিত গুরুতর অভিযোগ প্রচার বা পরিবর্ধন করলে মানহানি ও সুনাম-ঝুঁকি তৈরি হয়। মূল প্রতিবেদন নিজেই এই সতর্কতা ধরে রেখেছে; যে কোনো ডাউনস্ট্রিম ব্যবহারে সতর্কতাটি অটুট থাকা বাধ্যতামূলক।
বিপরীত দিক: সিস্টেম আসলে এখানে জিতেছে
সহজ প্রতিক্রিয়া হবে — দেখুন, পাইপলাইন ভুল করেছে, তাই স্বয়ংক্রিয় বিশ্লেষণ অচল। এটাই ক্লিশে, আর ক্লিশে হওয়ার পাশাপাশি এটি ভুল পাপ-স্বীকার। আসল দায় লেবেলিং স্তরের, বিশ্লেষণ স্তরের নয়। দ্বিতীয় স্তর ঠিক সেটাই করেছে যা আদালত কক্ষে একজন বিচারক করেন — প্রাসঙ্গিকতার প্রশ্ন তুলেছে, প্রমাণ না থাকলে রায় দেয়নি।
এখন সবচেয়ে শক্তিশালী পাল্টা যুক্তিটা লিখি, কারণ নিজের অবস্থান পরীক্ষা না করলে সেটা বিশ্বাসযোগ্য থাকে না। যুক্তিটি এই: স্কেলে চলা যে-কোনো শ্রেণিবিন্যাস ব্যবস্থায় কিছু শতাংশ ত্রুটি অনিবার্য। শূন্য শতাংশ ভুল-লেবেলের লক্ষ্য রাখা মানে প্রতিটি আইটেমে মানুষের হাত রাখা — অর্থাৎ খরচ, গতি ও পরিমাপযোগ্যতা তিনটিই হারানো। মাঝারি হারে ভুল মেনে নিয়ে সংশোধন-লুপ দ্রুত করা দীর্ঘমেয়াদে বেশি নিরাপদ।
এই যুক্তির সীমা কোথায়? সীমাটা গুরুতরতার সঙ্গে বদলে যায়। ভুল বক্সে থাকা একটি ফর্মেশন-চার্ট মজার ঘটনা; ভুল বক্সে থাকা একটি অপ্রমাণিত যৌন-নিপীড়নের অভিযোগ মজার কিছু নয়। ভুলের খরচ যখন সমান নয়, তখন সহনশীলতার হারও সমান হতে পারে না। এখানেই ভুল-বনাম-সম্পত্তির হিসাবটা গুরুত্বপূর্ণ।
ভাষা ও নজর প্রসঙ্গে একটা কথা যোগ করি। আমি বারো বছর ধরে স্পেনে কাজ করছি; স্প্যানিশ ডেস্কে ঝুঁকিপূর্ণ বিষয় নিয়ে আলোচনার রীতি আলাদা — প্রশ্নটা ওখানে প্রায়ই 'এটা ছাপা উচিত কি না' নয়, 'এটা কতটা প্রসঙ্গসহ ছাপা উচিত'। সেই মাপকাঠিতে এখানে যে ফিল্ডগুলো ফাঁকা রাখা হয়েছে — ট্রান্সফার কাঠামো, দলগত অবস্থান, কোচিং ক্ষমতা, ব্যবস্থাপনা স্থিতিশীলতা — সেগুলো কেউ খালি রাখেনি, সেগুলো আসলে অস্তিত্বহীন। ফাঁকা আর অস্তিত্বহীন এক জিনিস নয়।
টেকঅওয়ে: পরের পরিবর্তনশীলটি মামলা নয়
পরের যেটা দেখার, সেটা এই বিতর্কে কে জিতল তা নয়। দেখার দুটো জিনিস। এক, লেবেলটা সংশোধন হয় কি না — অর্থাৎ পাইপলাইনে যাচাই-গেট বসে কি না। দুই, মামলার অগ্রগতি — কোনো রায় বা গ্রেপ্তার এলে ন্যারেটিভটি অভিযোগ থেকে সিদ্ধান্তে সরবে, নয়তো ধসে পড়বে। যে-সিস্টেম ভুল করে ডান দিকে থামতে জানে, তার ভুলের খরচ কমে; যে-সিস্টেম থামতে জানে না, তার প্রতিটি সঠিক উত্তরের দামও তখন সন্দেহের। দুটো খেলা যখন একমত হয় না, সত্যিটা সালিশিতে থাকে — আর এখানে খেলাটাই ছিল অনুপস্থিত।