IMSS bị gắn thẻ 'bóng đá': Hồi chuông cảnh báo ô nhiễm dữ liệu thể thao

Đêm Moscow dạy tôi rằng nguồn tin thật nhất thường không có danh thiếp. Hôm nay, thứ không có danh thiếp ấy là một bài báo tiếng Tây Ban Nha về nhân viên y tế Mexico. Thứ Năm, ngày 8 tháng 10, hệ thống VuaBong tiếp nhận một bản tin về cuộc biểu tình của nhân viên Viện An sinh Xã hội Mexico (IMSS) tại thành phố Mexico. Những người lao động đòi tăng lương, phản ánh tình trạng thiếu thuốc, thiếu dụng cụ phẫu thuật và thiếu nhân sự tại các bệnh viện công. Báo cáo phân tích giai đoạn 2 của hệ thống đã chỉ ra nghịch lý: bài báo không hề nhắc tới bóng đá, nhưng hệ thống gắn thẻ chủ đề vẫn ghi nhận nó là “football”.

Trang báo cáo dài với chín hạng mục phân tích. Từ “Phân tích chiến thuật & kỹ thuật” cho tới “Truyền dẫn ngành bóng đá”, tất cả đều đặt dòng chữ “N/A — không đủ dữ liệu”. Không có đội hình, không có sơ đồ chiến thuật, không có xG hay PPDA, không có hợp đồng chuyển nhượng, không có quỹ lương cầu thủ. Mức yêu cầu 10% lương xuất hiện trong bài báo là một yêu sách của người lao động IMSS, chứ không phải thương vụ của một tiền vệ hay trung vệ nào. Có 19 điểm dữ liệu nằm rải rác trong hồ sơ, và toàn bộ chúng xoay quanh lao động và y tế công.

Nguy cơ lớn nhất của câu chuyện này là thói quen ép phân tích để tạo ra một bài viết có vẻ nghiêm túc. Nếu một phóng viên hoặc một mô hình học máy cố gắng lấy câu chuyện biểu tình IMSS để viết về pressing, về chuyển trạng thái hay về nhân sự phòng thay đồ, kết quả là một bài bóng đá hoàn toàn giả tạo. Báo cáo giai đoạn 2 đã từ chối làm điều đó. Khi không có trận đấu, người viết có hai lựa chọn: hoặc vẽ ra một trận đấu trong đầu, hoặc nói rõ rằng chúng ta đang đọc sai chủ đề. Lựa chọn thứ hai đáng giá hơn nhiều.

Bối cảnh của vụ việc cũng đáng lưu ý. Bài báo IMSS ghi nhận cuộc đối thoại giữa đại diện công nhân và Bộ Nội vụ Mexico, đồng thời bác bỏ cáo buộc giam giữ người biểu tình. Tất cả đều là những chi tiết của một cuộc thương lượng lao động. Trong bản phân tích giai đoạn 2, nhóm nghiên cứu còn chỉ ra rằng hầu hết các điểm dữ liệu đều thiếu nguồn trích dẫn cụ thể. Điều đó kéo theo một vấn đề khác: nguồn tin đã yếu, lại bị gắn nhầm nhãn, nên độ tin cậy càng thấp. Nhưng chính vì vậy, báo cáo này trở thành một nghiên cứu tình huống về cách xử lý tin sai trong thể thao.

Chín hạng mục được phân tích lần lượt theo đúng khung của một bài đánh giá bóng đá chuyên sâu. Hạng mục đầu tiên về chiến thuật trả về N/A vì không có tình huống bóng đá nào. Hạng mục tài chính và chuyển nhượng trả về N/A vì số tiền trong bài là lương y tế, không liên quan đến FFP hay hợp đồng cầu thủ. Hạng mục kết quả thi đấu và dư luận trả về N/A vì cuộc biểu tình không nằm trong một vòng đấu. Hạng mục bối cảnh giải đấu, tuân thủ quy định, quản lý phòng thay đồ, hồ sơ rủi ro, câu chuyện truyền thông và truyền dẫn ngành đều cho ra cùng một kết luận: không có cơ sở để phân tích.

Điểm khác biệt nằm ở mục rủi ro. Báo cáo không xếp rủi ro tài chính hay rủi ro thể thao, mà xếp rủi ro hệ thống: một bài báo ngoài lĩnh vực đã lọt vào đường ống dữ liệu bóng đá. Mức độ được đánh giá là Trung bình-Cao, khả năng xảy ra là Cao, ảnh hưởng là Trung bình. Biện pháp giảm thiểu được đề xuất gồm: gỡ nhãn bóng đá, chuyển bài viết về đúng chuyên mục lao động hoặc y tế công, kiểm tra thuật toán gắn thẻ và thêm một cổng xác minh chủ đề trước mỗi lần phân tích.

Theo kinh nghiệm theo dõi các trận đấu của tôi, những pha bóng hỏng thường bắt nguồn từ sự thiếu kiên nhẫn. Cầu thủ muốn dứt điểm ngay khi chưa kiểm soát được bóng, trọng tài muốn thổi ngay khi tình huống còn mơ hồ, phóng viên muốn đưa nhận định ngay khi dữ liệu chưa đủ. Hệ thống gắn thẻ “football” cho bài IMSS cũng giống như một cú sút vội vàng: thấy chuỗi ký tự lạ là ghi bàn, nhưng thực tế là đang đưa bóng về phía khung thành không có thủ môn. Bóng đá không chấp nhận pha bóng như vậy, và truyền thông thể thao cũng không nên chấp nhận.

Điểm mù lớn nhất của truyền thông thể thao hiện đại là sự tự động hóa phán xét trước khi con người kịp xác minh. Chúng ta có thể xây dựng các thuật toán đọc hàng nghìn bài báo mỗi giây, nhưng chưa chắc chúng ta đã dạy chúng biết lùi lại khi thiếu thực thể bóng đá. Báo cáo giai đoạn 2 đưa ra một gợi ý đơn giản: nếu hệ thống không phát hiện câu lạc bộ, cầu thủ, huấn luyện viên hoặc giải đấu nào, hãy chặn bài viết và chuyển nó cho con người kiểm tra. Cổng xác minh đó có thể cứu hàng loạt bài phân tích sai lầm trong tương lai.

Nhiều người sẽ nghĩ: một bài báo gắn nhầm nhãn thì gỡ xuống là xong, có gì đáng nói. Thực tế ngược lại. Khi một bài báo không liên quan lọt vào kho dữ liệu bóng đá, nó không đứng yên như một mảnh giấy bị bỏ quên. Nó tạo ra các bản ghi thực thể sai, gieo nhiễu cho các mô hình học máy ở phía sau và có thể khiến một tòa soạn xuất bản những bài tổng hợp vô nghĩa. Tệ hơn, nếu những bài báo kiểu này xuất hiện thường xuyên mà không bị phát hiện, vấn đề không còn là một sai sót riêng lẻ, mà là lỗ hổng thiết kế của cả hệ thống phân loại.

Người đưa thư không bao giờ hỏi tôi cần gì; ông ấy chỉ lặng lẽ để lại một phong bì. Lần này, phong bì ấy chứa một bản tin y tế, và nghề bóng đá đã trả lại đúng địa chỉ. Ban tổ chức không hề đuổi ai, nhưng câu chuyện IMSS đã tự đuổi mình ra khỏi phòng họp báo thể thao. Điều đó cũng giống như một bài tập lớn về đạo đức dữ liệu: chúng ta không cần phải dùng mọi thông tin mình nhận được, nhưng chúng ta cần biết thông tin đó thuộc về đâu.

Mỗi mùa giải là một nhịp tim, và tôi chỉ đang cố gắng bắt cho đúng phách. Mùa giải năm nay, nhịp tim của tôi bắt đầu bằng một bài báo về cuộc biểu tình IMSS không hề có bóng đá. Nghe có vẻ lạ, nhưng chính nhịp lệch ấy đã giúp tôi thấy rõ hơn một nguyên tắc nghề nghiệp: dữ liệu giống như một đường chuyền, chỉ có giá trị khi được chuyền đúng chỗ. Một đường chuyền đẹp đến mấy nhưng không tới chân đồng đội vẫn là một đường chuyền hỏng. Một bài báo chính xác về lao động y tế nhưng bị gắn nhãn bóng đá vẫn là một dữ liệu rác trong kho tri thức thể thao.

Báo cáo giai đoạn 2 kết thúc bằng một bảng đánh giá giá trị thông tin. Giá trị thể thao chỉ nhận một sao, giá trị ngành một sao, giá trị tham khảo một sao, còn giá trị kịp thời nhận hai sao vì sự kiện có ngày cụ thể nhưng không liên quan tới lịch thi đấu. Với một bài viết được gọi là bóng đá, đây là điểm thấp nhất có thể. Nhưng báo cáo không phủ nhận giá trị của bài IMSS; nó chỉ khẳng định bài IMSS đang đứng ở sai hệ sinh thái. Nếu chuyển sang đúng chuyên mục, nội dung về tiền lương, thuốc men và nhân sự bệnh viện lại trở thành tư liệu quan trọng.

Cánh cửa phòng họp báo đóng lại, tôi bắt đầu nghe thấy trận đấu rõ hơn. Cánh cửa phòng phân tích đóng lại, hệ thống cũng nhìn thấy rõ hơn một vết nứt trong quy trình. Tuần tới, điều tôi chờ đợi không phải là một bản hợp đồng chuyển nhượng hay một trận derby, mà là phản ứng của đội ngũ kỹ thuật: họ sẽ chỉnh lại thuật toán, hay để vết nứt tiếp tục lan rộng? Trong thời đại mà AI có thể viết một bài phân tích ba nghìn chữ về một trò chơi không tồn tại, thái độ dám nói “không đủ dữ liệu” mới chính là thứ bảo chứng cho sự tồn tại của một tòa soạn thể thao nghiêm túc.

Sân trống, nhưng tôi vẫn nghe thấy tiếng vỗ tay của hàng nghìn người từ ký ức. Với bài IMSS, sân chưa từng được xây, và tiếng vỗ tay mà tôi nghe thấy chỉ là tiếng vọng từ một cuộc biểu tình ngoài đường phố Mexico. Giữ cho nó không bị nhầm thành tiếng hò reo trên khán đài là trách nhiệm của mỗi người làm dữ liệu và mỗi nhà báo thể thao. Chúng ta không thể ngăn mọi sai lầm, nhưng có thể bắt đầu bằng việc đặt đúng câu hỏi trước khi viết: bài báo này đang nói về trận đấu nào, hay chỉ đang mượn cái tên bóng đá để lọt vào phòng phân tích?