Bản báo cáo điền kinh không có một cái tên: lỗi im lặng trong dây chuyền dữ liệu thể thao

Ba giờ sáng, một tệp JSON đáp xuống hộp thư ban biên tập. Tệp đủ trường: tiêu đề, nguồn, loại bài, quan điểm tác giả, mức độ nhạy cảm thời gian. Riêng phần nội dung thì trống. Không một vận động viên, không một cự ly, không một thành tích, không một ngày thi đấu. Một bản mô tả hoàn hảo về một thứ không tồn tại.

Tôi đọc nó hai lần, rồi đọc lại lần thứ ba, vì thói quen nghề nghiệp khiến tôi luôn tin lỗi nằm ở mắt mình trước khi nó nằm ở tệp. Nhưng tệp không sai. Nó chỉ rỗng.

Bản phân tích chín chiều sinh ra từ tệp ấy và việc đầu tiên nó làm là từ chối làm việc. Ô nào cũng mang cùng một dòng — không đủ thông tin. Không sân, không cự ly, không vạch xuất phát. Một báo cáo về điền kinh mà không có lấy một mét chạy.

Rồi nó chỉ ra thứ duy nhất còn sống trong tệp: nhãn lĩnh vực, điền kinh — và chính báo cáo cũng nghi ngờ nhãn ấy là giá trị mặc định chứ không phải kết quả phân loại.

Để thấy chuyện này đáng viết, cần biết dây chuyền ấy định làm gì. Bước trích xuất phải lôi ra tên vận động viên, cự ly, thành tích, hướng và tốc độ gió, độ cao sân. Bước phân tích đặt những mảnh ấy lên hệ quy chiếu của môn: kỷ lục thế giới, chuẩn dự giải, bảng xếp hạng thế giới, hạn ngạch ba suất mỗi quốc gia. Một thành tích chỉ được đọc như năng lực thật khi gió không vượt +2,0 m/s, khi sân không cao quá 1.000 mét, khi đôi giày không phải loại đế carbon dày 40 mm vừa được hợp thức hóa.

Bước ấy còn phải trả lời những câu khó hơn: vận động viên đang ở đâu trên đường cong tuổi nghề — nước rút chín vào khoảng 24 đến 29, cự ly trung bình muộn hơn, ném đẩy muộn hơn nữa; mùa này họ đã ra sân bao nhiêu lần; có dấu hiệu bùng nổ thành tích bất thường cần đối chiếu với chiều kiểm tra doping hay không.

Không ô nào trong số đó có dữ liệu để điền. Nhưng có một chi tiết đáng dừng lại lâu hơn: mẫu báo cáo yêu cầu liệt kê thực thể “từ các điểm thông tin ở trên”, trong khi phần điểm thông tin ở trên trống rỗng. Một chỉ dẫn tự mâu thuẫn, ngay bên trong cùng một tệp.

Ba giả thuyết được đặt ra, và cả ba dẫn về cùng một chỗ. Hoặc không có bài viết nào được đưa vào bộ trích xuất — lỗi tải trang. Hoặc có bài, nhưng mô hình trả về một đối tượng rỗng đúng khuôn — lỗi phân tích cú pháp. Hoặc bài ấy tồn tại nhưng không liên quan đến điền kinh, và nhãn lĩnh vực chỉ là giá trị tồn dư.

Điều khiến cả ba giả thuyết đáng lo như nhau nằm ở hình dạng của cái tệp: nó hợp lệ. Nó vượt qua mọi cổng kiểm tra hình thức. Một tệp báo lỗi sẽ chặn dây chuyền lại và có người phải sửa. Một tệp đủ trường nhưng rỗng ruột thì đi thẳng vào khâu tiếp theo, và khâu sau sẽ làm đúng việc của nó: sinh ra một báo cáo trông rất giống một báo cáo.

Rủi ro thật của một bản ghi rỗng không nằm ở chỗ nó thiếu dữ liệu, mà ở chỗ nó đủ hình thức để được tin.

Báo cáo ấy tự đặt cho mình mức rủi ro cao. Cao, nhưng đó là rủi ro phân tích, trong khi rủi ro thể thao thì chưa xác định. Với quản trị thông tin, nó là cao — vì một đối tượng rỗng là loại đầu vào dễ dụ người ta bịa ra nội dung nghe hợp lý nhất.

Có một bất đối xứng khiến tôi nghĩ lâu. Khi báo cáo không thể nêu bất kỳ dấu hiệu doping nào, người đọc lướt qua sẽ đọc thành “không có vấn đề doping”. Cách đọc đúng là “không có dữ liệu nào cả”. Hai câu ấy khác nhau một trời, và định dạng đầu ra không có gì phân biệt được chúng.

Cùng lúc, hai chiều phân tích chịu thiệt nặng nhất lại là hai chiều ít ai để ý. Chiều quy tắc và doping mất khả năng đối chiếu mẫu lưu mười năm cùng các bất thường hộ chiếu sinh học. Chiều kinh tế ngành mất đường truyền từ công nghệ giày xuống thị trường chạy phong trào. Với một bài về thể thao nữ, đó thường là phần duy nhất nói được điều gì đó mới.

Có những đời cầu thủ không nằm trên bảng chuyển nhượng, mà nằm trong khoảng lặng giữa hai đường biên.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở các giải trong nhà và ngoài trời, tôi đã quen với một phiên bản nhỏ hơn của căn bệnh này. Một thành tích lên tiêu đề, còn tốc độ gió bị đẩy xuống dòng cuối. Một đôi giày đế carbon được khen là bước ngoặt huấn luyện, còn độ dày đế thì không ai nhắc. Ở tầng dữ liệu, lỗi hôm nay là cùng một căn bệnh, chỉ dịch lên một nấc: ta chấp nhận bản ghi đủ trường thay vì kiểm tra xem nó có ruột.

Phản xạ đầu tiên là đổ cho mô hình trích xuất. Khuôn dữ liệu được thiết kế để thưởng cho sự đầy đủ, không phải cho nội dung. Tòa soạn được thiết kế để thưởng cho việc xuất bản, không phải cho việc dừng lại. Giữa hai bên không có cổng nào cả. Một quy tắc hai trường — tiêu đề khác rỗng và có ít nhất một điểm thông tin — gần như sẽ xóa sổ cả lớp lỗi này. Nó rẻ. Nó chỉ không được triển khai, vì thứ nó bắt được là thứ vô hình theo thiết kế.

Điều đáng nói hơn: báo cáo ấy đã hành xử đúng. Nó không bịa tên vận động viên, không dựng một cú nước rút, không gán một tấm huy chương cho ai. Nó chọn cách nói rằng nó không biết. Trong một ngành mà một tiêu đề sai sống lâu hơn một mùa giải, dám nói không biết là phản ứng trưởng thành nhất mà dây chuyền này tạo ra được.

Có những trận đấu mà tỷ số không bao giờ được ghi, vì người ta chọn cách quên. Và có những bản ghi không bao giờ bị chất vấn, vì mọi ô của nó đều đã được điền.

Tôi viết để tìm lại những cái tên bị lịch sử soạn thảo ra khỏi đội hình. Nhưng một cái tên chỉ có thể được tìm lại nếu nó từng được ghi vào đâu đó. Nếu một báo cáo về thể thao nữ có thể trôi qua toàn bộ dây chuyền mà không ai nhận ra nó rỗng, thì ai đang thực sự đọc phần dữ liệu còn lại?