অ্যাথলেটিক্স ডেটা পাইপলাইনের নীরব ব্যর্থতা: যখন শূন্য তথ্যবিন্দু বিশ্লেষণের ছদ্মবেশ ধারণ করে
**মূল উত্তর:** Stage-2 বিশ্লেষণ প্রতিবেদনটি অ্যাথলেটিক্স ডোমেইনে শূন্য তথ্যবিন্দু নিয়ে গঠিত, ফলে নয়টি মাত্রার কোনোটি মূল্যায়নযোগ্য নয় এবং ফলাফল সম্পূর্ণ নাল (N/A) হিসেবে চিহ্নিত। **মূল তথ্য:** - Stage-1 ডিকনস্ট্রাকশনে শিরোনাম, সূত্র, লেখকের অবস্থান ও তথ্যবিন্দু — সব ঘর ফাঁকা ছিল - শুধুমাত্র 'athletics' ডোমেইন লেবেল ব্যবহারযোগ্য ছিল, যা সর্বোচ্চ স্তরের সাধারণীকরণ - 'Entities Involved' ঘর ঘোষিত হলেও পূরণ হয়নি — ব্যর্থতা entity-extraction ধাপে চিহ্নিত - নয়টি মাত্রার প্রতিটিতে 'N/A — insufficient information' চিহ্নিত, কোনো অনুমানমূলক তথ্য বসানো হয়নি - সুপারিশ: হালকা extraction schema (event + mark + wind + venue + placing + date) প্রয়োগ করা **সূত্র উদ্ধৃতি:** Stage-2 Deep Analysis Report — Athletics Domain | Cross-checked: cricsultan.com **সম্পর্কিত প্রশ্নোত্তর:** প্রশ্ন: শূন্য তথ্যবিন্দু মানে কি ঝুঁকি নেই? উত্তর: না — সঠিক অবস্থা হলো 'অমূল্যায়িত', কারণ অ্যান্টি-ডোপিং ও আঘাতের ঝুঁকি ইতিবাচক সংকেত থেকে মাপা হয়, সংকেতের অনুপস্থিতি থেকে নয়। প্রশ্ন: ব্যর্থতাটি কোথায় ঘটেছে? উত্তর: প্রতিবেদন অনুযায়ী entity-extraction ধাপে, যেখানে 'Entities Involved' ঘর ঘোষিত হলেও পূরণ করা হয়নি — এটি লক্ষ্যযুক্ত মেরামতের সমস্যা। প্রশ্ন: পুনঃজমা দিতে কী ন্যূনতম তথ্য দরকার? উত্তর: নিবন্ধের শিরোনাম, সূত্র, লেখক, প্রকাশের তারিখ, অন্তত তিনটি পারমাণবিক তথ্যবিন্দু এবং খেলোয়াড় ও ইভেন্টের নাম।
আমি লেজার দিয়ে শুরু করি, কিংবদন্তি পরে আসে।
কিন্তু এই লেজারে কোনো এন্ট্রি নেই।
গত সপ্তাহে আমার ডেস্কে যে ডকুমেন্টটি এল, তার শিরোনাম ঘর ফাঁকা। সূত্র ঘর ফাঁকা। লেখকের অবস্থান ঘর ফাঁকা। তথ্যবিন্দুর তালিকা — যেটি যেকোনো বিশ্লেষণের ভিত্তি — সম্পূর্ণ শূন্য। শুধু একটি ঘর পূরণ করা ছিল: ডোমেইন লেবেল, যেখানে লেখা 'অ্যাথলেটিক্স'। এই সাত অক্ষর দিয়ে কেউ যদি আমাকে বলে, 'বিশ্লেষণ করে দাও', তাহলে আমার প্রথম কাজ হওয়া উচিত কলম নামিয়ে রাখা।
কেন? কারণ এই ডোমেইনে ভুল তথ্য সবচেয়ে দ্রুত ধরা পড়ে। ১০০ মিটারের একটি সময়, একটি বাতাসের রিডিং, একটি ভেন্যুর উচ্চতা — এগুলো যাচাইযোগ্য সংখ্যা। বানানো সংখ্যা কয়েক সেকেন্ডেই ধরা পড়ে। অথচ এই ডকুমেন্টটি আমাকে নয়টি মাত্রার একটি বিশ্লেষণ কাঠামো দিয়েছিল, যার প্রতিটি ঘরে ফলস্বরূপ কিছু সংখ্যা বসানোর সুযোগ ছিল। কেউ বসায়নি। সেটাই এই ডকুমেন্টের একমাত্র সৎ বৈশিষ্ট্য।
আমি ২০১৭ সালে নাইরোবির একটি ডেস্ক ছেড়ে কেনিয়ান প্রিমিয়ার লিগের জন্য ট্রান্সফার-ভ্যালুয়েশন মডেল বানাতে বসেছিলাম। কারণটা ছিল সাধারণ: একটি ফুটবলারকে কত টাকায় বিক্রি করা হবে, সেটি একটি সংখ্যা — কিন্তু ওই সংখ্যার পিছনে থাকে স্কাউটিং রিপোর্ট, ম্যাচের ভিডিও, চোটের ইতিহাস, বয়সের বক্ররেখা। আমি শিখেছিলাম, সংখ্যা নিজে কিছু বলে না; সংখ্যার প্রোভেন্যান্স বলে। একটি গোলের xG মান ০.০৭ — কিন্তু সেটি ৩৫ গজ থেকে বাঁ পায়ের বাইরের অংশে নেওয়া শট ছিল, নাকি ছয় গজ থেকে খালি গোলের মিস, সেটি না জানলে সংখ্যাটি অর্থহীন।
এই ডকুমেন্টে ঠিক সেই প্রোভেন্যান্স স্তরটাই অনুপস্থিত।
একটি বিশ্লেষণ কাঠামো নিজে থেকে বিশ্লেষণ নয়। এটি একটি ফাঁকা ছাঁচ। ছাঁচের মূল্য নির্ধারিত হয় তার ভেতরে ঢালা উপাদানের গুণে। উপাদান শূন্য হলে ছাঁচটি কেবল ধাতুর টুকরো।
আমি এই ডকুমেন্টটিকে নয়টি মাত্রায় পরীক্ষা করেছি — পারফরম্যান্স, খেলোয়াড়ের অবস্থা, যোগ্যতা অর্জনের কাঠামো, প্রতিযোগিতার ল্যান্ডস্কেপ, নিয়ম ও অ্যান্টি-ডোপিং, দল ও প্রশিক্ষণ ব্যবস্থা, ঝুঁকির ম্যাট্রিক্স, জনমতের প্রত্যাশা, এবং শিল্পের ট্রান্সমিশন চেইন। প্রতিটি মাত্রায় একই ফল: মূল্যায়ন করা সম্ভব নয়।
বিষয়টি লক্ষণীয়। এটি ব্যর্থতা নয় — এটি ব্যর্থতার একটি নির্দিষ্ট ধরন।
আমি বহুবার ভাঙা তথ্য পাইপলাইন দেখেছি। ২০২০ সালে যখন স্টেডিয়াম খালি, লাইভ স্কাউটিং বন্ধ, আমি আর্কাইভ থেকে বাংলাদেশের অ্যাথলেটিক্সের পতন পুনর্গঠন করছিলাম — সেই সময়ও কিছু ফলাফল ছিল হাতে-সময়ের, কিছু ইলেকট্রনিক। আমি সেগুলো মেশাইনি। কারণ আমি জানতাম, হাতে-সময়ের ১০.৪ সেকেন্ড আর ইলেকট্রনিক ১০.৪ সেকেন্ড এক জিনিস নয়। সময়ের পদ্ধতি না জানলে তুলনা করা যায় না।
এখানেও একই যুক্তি। এই ডকুমেন্ট আমাকে বলছে না — কোন ইভেন্ট, কোন লিঙ্গ, কোন স্তর, কোন মৌসুম। ১০০ মিটার পুরুষ বিভাগের একটি নিয়ম, ১০০ মিটার নারী বিভাগের একটি নিয়ম, ৪০০ মিটার হার্ডলসের আরেকটি। ডোপিং পরীক্ষার জুরিসডিকশন, যোগ্যতা অর্জনের জানালা, ট্রায়াল সিস্টেম — সব আলাদা। একটি ঘর না জানলে পুরো কাঠামো নিষ্ক্রিয়।
আমি রেকর্ড পড়ি যেমন অন্যেরা ধর্মগ্রন্থ পড়ে। কিন্তু পড়ার আগে আমাকে জানতে হয়, কোন সংস্করণ, কোন অনুবাদ, কোন ভাষ্যকার।
এখানে সংস্করণটাই নেই।
আমি জানি এই মুহূর্তে কেউ হয়তো ভাবছেন — এত আয়োজন কেন? শুধু বললেই তো হতো 'তথ্য নেই'। কিন্তু পার্থক্যটা গুরুত্বপূর্ণ। 'তথ্য নেই' বলা আর 'ঝুঁকি নেই' বলা — এই দুটোর মধ্যে যে দূরত্ব, সেটাই এই ডকুমেন্টের কেন্দ্রীয় শিক্ষা।
ধরুন, একটি প্রতিবেদনে কোনো ডোপিং allegation নেই। একজন পাঠক দ্রুত সিদ্ধান্তে আসবেন — 'তাহলে পরিষ্কার'। ভুল। অ্যান্টি-ডোপিং ঝুঁকি ইতিবাচক সংকেত থেকে মাপা হয়: অস্বাভাবিক পারফরম্যান্স লাফ, পরীক্ষা এড়ানোর প্যাটার্ন, প্রশিক্ষকের সংযোগ, দুর্বল-পরীক্ষা জুরিসডিকশন। এই সংকেতগুলোর কোনোটি না থাকলে সঠিক অবস্থা হলো 'অমূল্যায়িত', 'নিম্ন-ঝুঁকি' নয়।
একইভাবে, একটি খেলোয়াড়ের আঘাতের ইতিহাস না থাকা মানে এই নয় যে তিনি সুস্থ। এর মানে হলো, আমি জানি না।
আমি ২০১৮ সালে রাশিয়া বিশ্বকাপে একটি লাইভ xG, PPDA এবং distance-covered মডেল বানিয়েছিলাম। ফাইনালের আগে আমি ক্রোয়েশিয়ার expected-goals overperformance যে টেকসই নয়, সেটি লিখেছিলাম। ফ্রান্স ৪-২ জিতল। কিন্তু সেই মডেলটির মূল্য ছিল তার input data-তে — প্রতি ম্যাচের shot location, defensive action, possession chain। input না থাকলে মডেলটি কেবল সুন্দর কোড।
এই অ্যাথলেটিক্স ডকুমেন্টটির অবস্থা ঠিক তেমন।
তাহলে আমি কী করলাম? আমি কাঠামোটি রেখে দিলাম, কিন্তু প্রতিটি ঘরে লিখলাম 'মূল্যায়ন করা সম্ভব নয়'। কারণ এই ডোমেইনে একটি নিয়ম আছে যা আমি কখনো ভাঙি না: কোনো দাবি কোনো ফুটনোট ছাড়া নয়।
এবং এখানেই আসল সমস্যাটি প্রকাশ পায়।
ডকুমেন্টটির নিজের ভেতরের স্বীকারোক্তি অনুযায়ী, ব্যর্থতাটি ঘটেছে entity extraction ধাপে। 'Entities Involved' নামে একটি ঘর ঘোষণা করা হয়েছিল, কিন্তু কখনো পূরণ করা হয়নি। এর মানে হলো, মূল নিবন্ধটি সম্ভবত Stage-1 পর্যন্ত পৌঁছেছিল — কিন্তু প্রক্রিয়াকরণে কিছু ভেঙে গেছে। এটি একটি ছোট, লক্ষ্যযুক্ত মেরামতের সমস্যা। সম্পূর্ণ ingestion পুনর্নির্মাণের দরকার নেই।
এই পার্থক্যটাই বিশ্লেষক হিসেবে আমার কাজ। একটি শূন্য ফলাফল নিজেই একটি তথ্য — যদি আপনি জানেন শূন্যটি কোথায় তৈরি হয়েছে।
আমি ২০২১ সালে টোকিও অলিম্পিকের আগে সাউথ এশিয়ার wildcard এন্ট্রিগুলোর একটি তুলনামূলক টেবিল বানিয়েছিলাম। ফেডারেশনের কর্মকর্তারা রেগে ইমেইল করেছিলেন। আমি পদ্ধতির পরিশিষ্ট প্রকাশ করেছিলাম — প্রতিটি সূত্র উদ্ধৃত, প্রতিটি অনুমান লেবেলযুক্ত। কারণ আমি জানতাম, কেউ আমার সিদ্ধান্তের সাথে দ্বিমত করতে পারে, কিন্তু আমার পদ্ধতির সাথে দ্বিমত করার সুযোগ আমি দেব না।
এই ডকুমেন্টটিও একটি পদ্ধতিগত সিদ্ধান্ত। এটি বলে: তথ্যবিন্দু ছাড়া কোনো মাত্রা পূরণ করা হবে না।
এবং আমি এই সিদ্ধান্তকে সমর্থন করি। কারণ বিকল্পটি ভয়াবহ।
কল্পনা করুন, একটি স্বয়ংক্রিয় সিস্টেম এই শূন্য input পেয়ে একটি খেলোয়াড়ের নাম বসিয়ে দিল, একটি সময় বসিয়ে দিল, একটি প্রতিযোগিতার গল্প বানিয়ে দিল। সেই গল্পটি প্রকাশিত হবে। সোশ্যাল মিডিয়ায় ছড়াবে। হয়তো কোনো ফেডারেশন সেটি উদ্ধৃত করবে। এবং কেউ হয়তো জানবে না যে পুরো কাহিনিটি একটি ফাঁকা ছাঁচ থেকে জন্ম নিয়েছে।
অ্যাথলেটিক্সে এই ধরনের ভুল সবচেয়ে ব্যয়বহুল, কারণ এই খেলাটি সংখ্যার উপর দাঁড়িয়ে আছে। একটি জাতীয় রেকর্ড যাচাইযোগ্য। একটি বাতাসের রিডিং যাচাইযোগ্য। একটি উচ্চতার সংশোধন যাচাইযোগ্য। মিথ্যা ধরা পড়বে — কিন্তু হয়তো অনেক দেরিতে, যখন ক্ষতিটা হয়ে গেছে।
একটি ভ্যালুয়েশন হলো একটি গল্প, যার শেষে একটি দশমিক বিন্দু। কিন্তু দশমিক বিন্দুর আগের গল্পটি সত্য হতে হবে।
আমি ২৫ বছর ধরে এই ইন্ডাস্ট্রি দেখছি। আমি দেখেছি কতবার একটি একক পারফরম্যান্সকে স্থায়ী স্তর হিসেবে উপস্থাপন করা হয়েছে। কতবার একটি যুব রেকর্ডকে 'নতুন বোল্ট' বলা হয়েছে। কতবার একটি প্রশিক্ষণের সময়কে অফিসিয়াল রেকর্ডের মতো দেখানো হয়েছে। প্রতিবারই ফলাফল একই: প্রত্যাশা আর বাস্তবতার মধ্যে একটি ফাঁক, যা শেষে কারও ক্যারিয়ার ক্ষতিগ্রস্ত করেছে।
এই ডকুমেন্টটি সেই ফাঁক তৈরি করেনি। এটি ফাঁকটিকে স্বীকৃতি দিয়েছে। সেটাই এর মূল্য।
কিন্তু স্বীকৃতি যথেষ্ট নয়।
পরবর্তী ধাপে যা দরকার, তা হলো একটি হালকা extraction schema। ডকুমেন্টটির নিজের সুপারিশ অনুযায়ী — যদি সূত্রটি একটি সংক্ষিপ্ত ফলাফল-ব্রিফ বা সোশ্যাল পোস্ট হয়, তাহলে সম্পূর্ণ schema ব্যর্থ হবে, কিন্তু একটি ন্যূনতম schema সফল হবে: ইভেন্ট, সময়, বাতাস, ভেন্যু, অবস্থান, তারিখ। ছয়টি ঘর। এই ছয়টি ঘর পূরণ হলে চারটি মাত্রা সম্পূর্ণ সক্রিয় হয়ে যায়।
আমি জানি এই পরামর্শ সহজ শোনায়। কিন্তু বাস্তবে এটি একটি সাংস্কৃতিক পরিবর্তন। কারণ এটি স্বীকার করে যে, সব নিবন্ধ সমান নয়। একটি দীর্ঘ ফিচার আর একটি ফলাফল-ব্রিফ একই ছাঁচে ঢালা যায় না।
আমি ২০১৫ সালে যখন প্রথম বাইলাইন পাই, তখন আমার সম্পাদক আমাকে বলেছিলেন — 'তুমি সব কিছু ব্যাখ্যা করো, পাঠক বিরক্ত হবে'। আমি মানিনি। কারণ আমি জানতাম, যারা সবচেয়ে বেশি আত্মবিশ্বাসী দেখায়, তাদের অনেকেই মৌলিক ব্যাখ্যাটি প্রয়োজন। আজ ৪১ বছর বয়সে আমি আরও নিশ্চিত।
একটি সিস্টেম যখন শূন্য তথ্য থেকে বিশ্লেষণ তৈরি করতে অস্বীকার করে, সেটি দুর্বলতা নয়। সেটি শৃঙ্খলা।
প্রশ্নটি এখন এই নয় যে, এই ডকুমেন্টটি কী বলতে চেয়েছে। প্রশ্নটি হলো — পরের বার যখন একটি নিবন্ধ এই পাইপলাইনে ঢুকবে, তখন কি আমরা জানব সেটি কোথায় ভেঙেছে?
কারণ লেজার মিথ্যা বলে না। কিন্তু লেজার শূন্য হলে, আমাদের জিজ্ঞাসা করতে হয় — খাতাটি সত্যিই খালি, নাকি হিসাবরক্ষক ঘুমিয়ে পড়েছে।