खाली दस्तावेज़, भरा हुआ लेबल: एक अनसत्यापित 'क्रिकेट_एशिया' पंक्ति ट्रेंड-गणित को कैसे तोड़ती है

रात 2:40 बजे स्क्रीन पर वही पंक्ति खुली है जो चार दिन से खुल रही है। Title: N/A. Source: N/A. Type: unclassified. नीचे 'Core Viewpoints' का खाना खाली पड़ा है, 'Information Points' के आगे शून्य दर्ज है, और 'Time Sensitivity' वाले बॉक्स में साफ़ छपा है कि आकलन किया ही नहीं गया। पूरे दस्तावेज़ में एक ही चीज़ भरी हुई है — डोमेन लेबल: cricket_asia।

स्कोरबुक की भाषा में यह वह स्कोरकार्ड है जिसमें बल्लेबाज़ का नाम खाली है, गेंदबाज़ का नाम खाली है, कौन-सा ओवर था, यह भी खाली है — और सिर्फ़ टीम वाला खाना भरा है: 'एशिया इलेवन'। अब कोई इस पन्ने को उठाकर औसत में डाल दे, और तीन महीने बाद रिपोर्ट छप जाए कि एशिया में क्रिकेट कवरेज का ग्राफ़ ऊपर गया है। जिस पंक्ति में तथ्य नहीं, उस पंक्ति को विषय का दर्जा देना रिकॉर्ड रखने का नहीं, अनुमान लगाने का काम है।

इस रिपोर्ट का विषय वही खाली पंक्ति है — और उससे भी बड़ा विषय यह है कि उस पंक्ति पर लेबल पहले से चिपका हुआ है।

मैं स्कोरर के पास वापस गया। अक्टूबर 2026 में फ़िरोज़ शाह कोटला की एक DDCA अंडर-19 लीग मैच में, 19 साल की उम्र में, मैं स्कोरिंग की कुर्सी पर बैठा था, जब 46वें ओवर में गेंदबाज़ ने नॉन-स्ट्राइकर छोर पर बैकिंग-अप कर रहे बल्लेबाज़ को रन आउट कर दिया। दोनों अंपायरों ने MCC के उस संशोधित कोड की तरफ़ देखा जो 1 अक्टूबर 2026 से लागू हुआ था — लॉ 41.16। मैंने तीन दिन दिल्ली यूनिवर्सिटी की लाइब्रेरी में उस क्लॉज़ को 2026 के कोड के सामने रखकर जाँचा, और 1,400 शब्दों का एक्सप्लेनर लिखा जो एक हफ़्ते के भीतर दिल्ली के एक क्लब-क्रिकेट ब्लॉग ने दोबारा छापा। उस दिन से मेरी कॉपी में दो चीज़ें सबसे पहले आती हैं: क्लॉज़ और तारीख़। बहस बाद में।

तब से मेरे पास एक रिंग-बाउंड फ़ाइल है जिसमें BCCI के सर्कुलर और MCC के संशोधन जमा हैं, और हर पन्ने के सिरे पर तारीख़ लिखी है। उसी आदत की एक शाखा 2026 में बनी, जब 14 जून से 15 जुलाई 2026 तक रूस विश्व कप में मुझे डेस्क का सबसे बेज़ार काम मिला: हर VAR रिव्यू का लॉग। उस टूर्नामेंट में उस वक़्त के रिकॉर्ड 29 पेनल्टी दिए गए, और मैंने 40 पन्नों का लेजर तैयार किया — मिनट, मैदान पर लिया गया फ़ैसला, रिव्यू का ट्रिगर, पलटा गया या नहीं, नतीजा। अगस्त 2026 में भारत के इंग्लैंड दौरे पर मैंने वही लेजर DRS और 'सॉफ़्ट सिग्नल' के इर्द-गिर्द दोबारा बनाया। लेजर इसलिए काम करता है कि हर पंक्ति में एक मिनट दर्ज है। मिनट हटा दीजिए, और चालीस पन्ने काग़ज़ रह जाते हैं।

यह पूरी बहस उसी एक बात पर टिकी है। एक कंटेंट पाइपलाइन में दो चरण होते हैं। पहला चरण दस्तावेज़ को तोड़कर उसके अंग अलग करता है: शीर्षक, स्रोत, प्रकार, मुख्य दृष्टिकोण, सूचना-बिंदु, इसमें शामिल इकाइयाँ, समय-संवेदनशीलता। दूसरा चरण उन अंगों पर गहरा विश्लेषण बनाता है: लेखक का रुख, इकाइयों का नक्शा, दावों की जाँच, समय-रेखा, स्रोत की गुणवत्ता, और तर्क की बनावट। पहला चरण अगर खाली लौटा, तो दूसरे चरण के पास बैठने की जगह ही नहीं है।

और यही हुआ है। शीर्षक N/A, स्रोत N/A, प्रकार unclassified — यानी न कोई उत्पत्ति, न कोई विधा-पूर्वाग्रह, न आउटलेट का कोई संकेत। मुख्य दृष्टिकोण का सार खाली, रुख N/A, उद्देश्य N/A — यानी जाँचने के लिए कोई थीसिस नहीं, चुनौती देने के लिए कोई तर्क नहीं। सूचना-बिंदुओं में शून्य प्रविष्टियाँ — यानी कोई तथ्य नहीं, कोई उद्धरण नहीं, कोई आँकड़ा नहीं, कोई तारीख़ नहीं, कोई पात्र नहीं। 'इसमें शामिल इकाइयाँ' वाला खाना ऊपर के सूचना-बिंदुओं से निकालने को कहता है, जो मौजूद ही नहीं — यह खाना अपने ही गोले में घूमता है और कभी नहीं खुलता। समय-संवेदनशीलता का आकलन साफ़ शब्दों में टाल दिया गया है।

बचा क्या? सिर्फ़ डोमेन लेबल cricket_asia। यह एक विषय-टैग है, सबूत नहीं। यह इतना बताता है कि पाइपलाइन ने दस्तावेज़ को एशिया-क्षेत्रीय क्रिकेट की टोकरी में रखा — न प्रतियोगिता बताता है, न देश, न यह कि यह समाचार है या विश्लेषण या राय, और न यह कि यह असल में कोई लेख है भी या नहीं। ऐसे लेबल को सबसे ख़तरनाक इसलिए कहता हूँ कि यह रिक्त को भरा हुआ दिखाता है।

जो छह काम अब रुके हुए हैं, उन्हें एक-एक करके देख लीजिए। रुख और फ़्रेमिंग का विश्लेषण नहीं हो सकता, क्योंकि लेखक का कोई रुख, कोई दावा और कोई उद्धृत भाषा मौजूद ही नहीं। इकाइयों और उनके रिश्तों का नक्शा नहीं बन सकता, क्योंकि निकालने के लिए कोई सूचना-बिंदु ही नहीं। तथ्यात्मक दावों की जाँच नहीं हो सकती, क्योंकि कोई दावा ही नहीं। समय-रेखा और ताज़गी का आकलन नहीं हो सकता, क्योंकि तारीख़ें ही नहीं। स्रोत की गुणवत्ता पर फ़ैसला नहीं हो सकता, क्योंकि हर सूचना-बिंदु का स्रोत-खाना N/A है — और निर्देश कहता है कि गुणवत्ता सूचना-बिंदुओं के स्रोत-खानों से आँकी जाए, जो भरे ही नहीं गए। कहानी और तर्क की बनावट नहीं पढ़ी जा सकती, क्योंकि लेख का शरीर ही नहीं है। छह में से छह काम एक ही दीवार पर अटके हैं, और वह दीवार दस्तावेज़ के अंदर है।

अब वह बिंदु, जिसे मैं इस पूरे मामले में सबसे तकनीकी और सबसे कम चर्चित मानता हूँ। 'इकाइयाँ' वाला खाना अपनी परिभाषा में ही सर्कुलर है। वह कहता है: इकाइयाँ ऊपर दिए गए सूचना-बिंदुओं से निकाली जाएँगी। अगर सूचना-बिंदु शून्य हैं, तो इकाइयाँ भी शून्य होनी चाहिए — लेकिन प्रणाली शून्य नहीं लौटाती, वह 'अनिर्धार्य' लौटाती है, और 'अनिर्धार्य' को आगे की तालिकाओं में अक्सर 'लागू नहीं' पढ़ लिया जाता है, जो रिपोर्टिंग में 'कोई सूचना नहीं मिली' से बिल्कुल अलग चीज़ है। एक स्कीमा में सर्कुलर निर्भरता अपने आप में दोष नहीं है; दोष यह है कि उस निर्भरता को घोषित नहीं किया गया। जिस क्षण आप किसी खाने को उसके ऊपर के खाने पर निर्भर घोषित करते हैं, उसी क्षण आपको यह भी लिखना पड़ता है कि ऊपर का खाना खाली हो तो नीचे का खाना क्या दिखाएगा। यहाँ वह नियम लिखा ही नहीं गया।

वजहें चार हैं, और इन्हें क्रम में रखना ज़रूरी है क्योंकि इलाज भी उसी क्रम में बदलेगा। पहली, एक्सट्रैक्शन की विफलता — पेज का मुख्य पाठ पकड़ा ही नहीं गया: JavaScript से बनने वाला पेज, पेवॉल, कुकी-दीवार, या ऐसा लाइव-स्कोर विजेट जिसमें गद्य ही नहीं है। दूसरी, गलत पेज प्रकार — स्कोरकार्ड, फ़िक्स्चर सूची, इंडेक्स या हब पेज, या कोई 404/रीडायरेक्ट, जिसे लेख मान लिया गया। तीसरी, ट्रंकेशन — पहले चरण तक जो सामग्री पहुँची वह खाली थी या सिर्फ़ नेविगेशन, विज्ञापन और बायलाइन थी। चौथी, मिसलेबलिंग — cricket_asia शायद असली मैच का नतीजा नहीं, बल्कि डिफ़ॉल्ट या फ़ॉलबैक श्रेणी है।

पहली और तीसरी वजह सबसे आम हैं; चौथी वह है जो लेबल को ही अमान्य कर देती है। और यही फ़र्क़ पूरे मामले का निचोड़ है। अगर दस्तावेज़ असली था और सिर्फ़ पाठ नहीं पकड़ा गया, तो cricket_asia लेबल शायद सही हो और समस्या एक्सट्रैक्शन की हो। अगर दस्तावेज़ असली ही नहीं था — कोई स्कोरकार्ड, कोई हब पेज, कोई रीडायरेक्ट — तो लेबल भी उतना ही खोखला है जितना उसका शरीर। दोनों स्थितियों में एक ही काम करना है: लेबल को अनसत्यापित घोषित करना और उसे डाउनस्ट्रीम एग्रीगेशन से बाहर रखना। क्योंकि कॉर्पस में गलत पंक्ति चुपचाप बैठती है, शोर नहीं मचाती।

यहाँ एक गणितीय अभ्यास कर लेते हैं, और मैं साफ़ कह दूँ कि यह काल्पनिक लेजर है, मापा हुआ आँकड़ा नहीं। मान लीजिए किसी महीने कॉर्पस में 1,000 पंक्तियाँ दर्ज होती हैं और उनमें 3% यानी 30 पंक्तियाँ ऐसी हैं जिन पर फ़ॉलबैक लेबल लगा है। अगली तिमाही में असली एशिया-क्रिकेट सामग्री 2.5% बढ़ती है — यानी असली आँकड़ा 25 पंक्तियों का है। फ़ॉलबैक की 30 पंक्तियाँ अकेले उस असली बढ़ोतरी से बड़ी हैं। यानी तीस महीने पहले की तुलना में 'एशिया क्रिकेट में 5% से ज़्यादा उछाल' बताने वाली रिपोर्ट पूरी तरह कृत्रिम हो सकती है, और उसमें एक भी झूठी संख्या नहीं होगी — बस एक भी संख्या सत्यापित नहीं होगी। यही फ़ॉलबैक लेबल की असली क़ीमत है, और यही वजह है कि इस रिपोर्ट को 'अभी कोई नतीजा नहीं' कहकर छोड़ना सबसे ज़रूरी कदम है, न कि सबसे निराशाजनक।

दूसरे चरण को चलाने के लिए जो न्यूनतम इनपुट चाहिए, वह सूची छोटी है और साफ़ है: या तो कच्चा लेख — शीर्षक, बायलाइन और पूरा शरीर; या URL के साथ जो भी पाठ स्क्रैप हुआ हो; या पहला चरण दोबारा चलाइए, इस शर्त के साथ कि उसमें कम से कम शीर्षक, स्रोत, प्रकाशन तिथि और तीन से ज़्यादा सूचना-बिंदु भरे हों। तीन में से कोई एक मिलते ही दूसरा चरण जो देगा, वह भी पहले से तय है: मूल थीसिस और लेखक का रुख, उस विशिष्ट भाषा के साथ जो उस रुख को सहारा देती है; इकाइयों और रिश्तों का नक्शा; दावों की सूची, हर दावे पर सत्यापन-योग्यता का ठप्पा; समय-संवेदनशीलता और ताज़गी की रीडिंग; स्रोत की गुणवत्ता का आकलन — आउटलेट का प्रकार, सोर्सिंग की पारदर्शिता, बेनाम स्रोतों की मौजूदगी, एकल-स्रोत दावे; और एशिया-क्षेत्रीय क्रिकेट कवरेज के फ़्रेमिंग-नोट्स, जैसे बोर्ड की राजनीति, द्विपक्षीय बनाम ICC फ़्रेमिंग, और राष्ट्रीय टीम का पक्षपात।

इस पूरी सूची में एक बात ग़ौर करने लायक है। तीनों विकल्पों में जो चीज़ माँगी गई है, वह 'अच्छा लेख' नहीं है — वह 'उत्पत्ति' है। शीर्षक, स्रोत, तारीख़। ये तीन चीज़ें सजावट नहीं हैं, ये प्रवेश-शर्त हैं। जिस दस्तावेज़ का स्रोत N/A हो, वह दस्तावेज़ चाहे कितना भी प्रभावशाली लगे, रिकॉर्ड में जगह नहीं पा सकता — ठीक वैसे ही जैसे बिना तारीख़ और बिना संस्करण वाला लॉ साइटेशन कानूनी बहस में नहीं टिकता।

यहीं पर मुझे अपने पुराने काम की एक कमज़ोरी याद आती है, और उसे यहीं दर्ज कर देना चाहिए, क्योंकि इस कॉलम का पूरा तर्क उसी पर खड़ा है। साल 2026 में जब IPL में आर. अश्विन ने जयपुर में जोस बटलर को नॉन-स्ट्राइकर छोर पर रन आउट किया, तब बहस का बड़ा हिस्सा यह तय नहीं कर पा रहा था कि उद्धृत किया जा रहा क्लॉज़ कौन-सा है। टीवी पर 'लॉ 41.16' चल रहा था, कमेंट्री में 'स्पिरिट ऑफ़ क्रिकेट' चल रहा था, और दोनों एक-दूसरे से बात नहीं कर रहे थे। सच यह है कि वह प्रावधान 2026 के कोड में 'अनफ़ेयर प्ले' के अध्याय में था, और 2026 के कोड में, जो 1 अक्टूबर 2026 से लागू हुआ, MCC ने उसे हटाकर लॉ 38.3 यानी 'रन आउट' के भीतर रख दिया। Law 41.16 कोई मूड नहीं है; वह एक थ्रेशोल्ड है जिसका पेपर ट्रेल है — 2026 का संशोधन, 2026 का पुनर्वर्गीकरण, और उसके बाद की हर व्याख्या। जो कोई आज भी बिना संस्करण बताए 41.16 उद्धृत करता है, वह वही ग़लती कर रहा है जो इस पाइपलाइन ने की है: अधिकार का दावा करना, उत्पत्ति का सबूत दिए बिना।

इसीलिए मैं इस खाली दस्तावेज़ को कोई हादसा नहीं मानता। इसे मैं उसी ग़लती की एक और किस्म मानता हूँ जिसे मैं बारह साल से कवर करते हुए देख रहा हूँ — प्रसारण ग्राफ़िक को रिकॉर्ड समझ लेना। लाइव पर-स्कोर, प्रोजेक्टेड टोटल और ऑन-स्क्रीन नेट रन रेट चलते-चलते बनते हैं और बाद में सुधारे जाते हैं। जो पत्रकार उस ग्राफ़िक को उठाकर छाप देता है, वह सुविधा चुनता है, प्रमाण नहीं। यहाँ भी वही हुआ है, बस एक अलग परत पर: लेबल सामने था, इसलिए उसे उठा लिया गया।

अब वह हिस्सा, जहाँ मुझे सबसे कम लोकप्रिय बात कहनी है। इस रन का सबसे उपयोगी नतीजा 'कुछ नहीं मिला' नहीं है। सबसे उपयोगी नतीजा यह वाक्य है: इस लेबल को अनसत्यापित मानो और उसे नीचे की गणना में मत भेजो। खाली दस्तावेज़ कोई संकट नहीं है; खाली दस्तावेज़ पर चिपका हुआ लेबल संकट है। और असली ख़तरा वह पल है जब डेस्क कहेगा कि कुछ तो छापना है। उस पल में सबसे आसान रास्ता यह होता है कि खाली खाने को एक समझदार अनुमान से भर दिया जाए — 'यह ज़रूर एशिया कप का प्रीव्यू होगा', 'यह ज़रूर बांग्लादेश बोर्ड का कोई बयान होगा' — और फिर उस अनुमान पर तीन पैराग्राफ़ खड़े कर दिए जाएँ। यह रास्ता तेज़ है, चिकना है, और पूरी तरह ग़लत है।

मैं इसे भावना बनाम नियम का मामला नहीं कहूँगा, क्योंकि यहाँ भावना कुछ नहीं कर रही। यहाँ जो काम कर रहा है वह डेडलाइन है। डेडलाइन कहती है कि खाली जगह भरो; रिकॉर्ड कहता है कि खाली जगह को खाली लिखो। और क्रिकेट में खाली जगह लिखने का एक पुराना, सम्मानित तरीक़ा मौजूद है। बारिश से धुली मैच को स्कोरकार्ड में 'बिना एक गेंद फेंके परित्यक्त' लिखते हैं — वह दर्ज होती है, हटाई नहीं जाती, और किसी के औसत में नहीं जोड़ी जाती। यही फ़र्क़ है 'कोई नतीजा नहीं' और 'कोई रिकॉर्ड नहीं' के बीच। पहला एक वैध प्रविष्टि है; दूसरा प्रविष्टि का अभाव है, और अभाव को प्रविष्टि की तरह गिनना ही पूरी गड़बड़ी की जड़ है। इस पाइपलाइन के पास 'कोई नतीजा नहीं' की श्रेणी नहीं है, इसलिए वह 'कोई रिकॉर्ड नहीं' को विषय बना देती है।

इसका इलाज तकनीकी है और सस्ता है, बशर्ते इसे अब किया जाए और बाद में नहीं। पहली चीज़: 'लेख नहीं है' को एक प्रथम-श्रेणी का वर्ग बनाइए, ऐसा वर्ग जिसे गिनती में शामिल ही न किया जाए। दूसरी: शीर्षक, स्रोत और प्रकाशन तिथि को बाध्यकारी खाना बनाइए — इनके बिना दस्तावेज़ दूसरे चरण में प्रवेश न पाए। तीसरी: हर पंक्ति पर एक्सट्रैक्शन की स्थिति दर्ज कीजिए, ताकि 'पाठ मिला', 'पाठ नहीं मिला' और 'पाठ था ही नहीं' तीन अलग-अलग दिखें। चौथी: फ़ॉलबैक और डिफ़ॉल्ट लेबल की तिमाही ऑडिट, और उसका नतीजा सार्वजनिक, क्योंकि जिस लेबल का हिसाब नहीं, वह लेबल बोझ है।

यह सब मैं इसलिए नहीं लिख रहा कि मुझे पाइपलाइनों से शिकायत है। मैं इसलिए लिख रहा हूँ कि मुझे उस पल से शिकायत है जब कोई अधिकारी कहेगा, 'एशिया क्रिकेट की कवरेज इस साल बढ़ी है' — और किसी के पास यह पूछने का समय नहीं होगा कि उस गिनती में कितनी पंक्तियाँ वह थीं जिनमें एक भी तथ्य नहीं था।

अगली तिमाही में जब यही पाइपलाइन दोबारा चलेगी, तो सवाल यह नहीं होगा कि उसने कितने लेख खोजे। सवाल यह होगा कि उसने कितनों को 'मिला ही नहीं' कहने की हिम्मत दिखाई — क्योंकि जो प्रणाली अपनी खाली पंक्तियाँ नहीं गिन सकती, वह अपने भरे हुए आँकड़े भी नहीं गिन सकती।