揭露芝加哥警察渎职的代价

芝加哥为解决警察渎职官司在两年中花费了纳税人多少钱？答案是5300万美元。本着对公共资金负责的目的，《芝加哥记者报》在2016年发表了题为《为渎职买单》的系列报道。他们的团队整理了数百份法院文件信息，调查每笔钱到底是怎么花的，花在了哪位警员身上。不仅如此，为了方便公众获得相关信息，他们与非营利新闻机构INN（Institute for Nonprofit News）合作，建立了一个网页应用程序来呈现数据。在这个过程中，他们积累了更有效处理大量信息的经验。以下，深度网为你编译《芝加哥记者报》数据编辑与INN设计主管的分享。

研究

这个想法源于2012年的一份调查，该调查着眼于芝加哥警察卷入的多起官司。我们认为，通过公布警方接收的投诉、达成庭外和解的案子数量以及被告情况，可以帮助公众监督警察和民选官员，让他们对警方渎职行为负责。

对于《芝加哥记者报》而言，这是一个很合适的项目，毕竟自1972年起，这份报纸就采用数据驱动的方式，调查芝加哥的种族和贫穷问题。我们怀疑警方渎职情况在黑人或拉丁裔为多数的社区中尤其突出，后来通过数据证实了这一猜测。

在研究的早期阶段，我们发现查找案件并非难事。通过芝加哥法律部门发布的案件裁决和庭外和解所涉及的赔款清单，我们找到了2012至2015年间关于警察渎职的官司，最后筛选出655件官司，可以用来查找投诉信和其他文件。

我们专门雇佣了三名研究员来通读每一宗官司的材料，再将关键信息按照以下四个类别制成表格：案件、警察、受害者、款项。

这个项目展示了数据库规范化的好处。由于每起诉讼可以有多个被告，涉及多名官员和数笔款项，我们将各类数据划分在不同的表格中，并建立链接，来避免录入冗余信息。这个方法不仅为我们省下来大量时间，而且保证了一致性和准确性。

最后，我们得找出投诉所提及的具体警官姓名，从而查找到他们涉及的案件和相关赔款。这一步很棘手，因为法律投诉中的姓名常常要么不完整，要么拼错，并且不一定会有警察编号。

《芝加哥记者报》本来可以利用信息杂乱的被告人名单获得一份规范化的警员名单，如果你曾经使用过数据清洗工具，比如说OpenRefine的话，就知道该如何操作。但是因为以下种种原因我们并未这么做：我们需要切断姓、名、中间名或其组合；警察在其职业生涯中可能有许多个编号；我们想要把服役日期也纳入考察。

所以我们采取了另外一种方法：《芝加哥记者报》根据《美国资讯自由法案》向芝加哥警察局索取了几十年来完整的警员名单。我们将数据上传到“Django对象关系行数据映射组件（object-relational mapper）”中，并编写算法，根据被告的姓名、编号以及服役日期等信息匹配涉案警员。如果算法可以高度确定性地锁定被告人，那么它就为记录警察信息的表格建立起外键关系。

我们能够自动完成85%的匹配，并建立起一个简洁的网页让人们去了解余下的信息。我们没有更改任何源数据，并仔细审核每一次数据库更新，这样我们就可以返回并手动验证我们建立的每个关系。

我们把这一份警察匹配表上传到了GitHub网站上，以便其他记者或者研究员查看。

开发过程

当《芝加哥记者报》的团队在努力将警察与具体官司相匹配、最终确定数据库的结构时，非营利新闻研究所（INN）的技术团队则忙于构建一个独立的新闻应用程序，将数据公开。

我们开发的应用程序有两个部分。一部分是介绍性的叙述页面，展示记者拍摄的照片和调查的主要发现；另一部分则是应用程序的主要功能，允许用户过滤655条诉讼，搜索个别警察的名字或编号。

最初，我们将注意力放在更加复杂的独立应用软件上，而且我们在设计的时候还设立了几个目标。我们希望：

1.显示市财政为处理警察渎职案件所支付的费用。

2.使用户能够简单地识别涉案人员，以及每宗案件的指控罪名。

3.允许人们轻松地运用这项程序，并分享信息。

4.确保更新数据的过程简单直接。

我们与记者报团队合作完成线框图，在进行视觉设计期间，我们开始为应用程序开发自己的JSON模式和后端进程。

我们使用Tarbell（《芝加哥论坛报》静态网站生成器）进行快速启动及运行。通过利用简单的谷歌表格整合功能，Tarbell提供了简易的内容管理系统，并且有一个内置的发布工作流程，将准备好的文件上传到Amazon S3(“亚马逊简易储存服务”)。我们决定用Backbone作为前端的数据绑定框架。

在开发过程中还要解决一些有趣的技术问题。第一个是，我们希望用户能够通过社区位置而不是特定地址过滤诉讼案件，以便他们识别在住址或工作地点附近发生的警察渎职事件。现有数据没有一个“社区”字段，因此项目的主要开发人员Ryan Nagle根据《芝加哥先驱报》的Django边界服务编写了一个自定义脚本，将个人地址与芝加哥市地理信息系统中的社区和区域相匹配。

另一个具有挑战性的部分是具有Mad-Lib风格搜索的结果区域（译注：Mad-Libs是一种计算机算法，其方法是在预先设计好的句子架构中填入名词、动词等来产生有意义的内容），它需要一个复杂的Underscore.js模板，以确保每个搜索选择组合的语法和标点符号都是正确的。

我们开始通过写句子来开发这个功能。第一步是造一个基本句子，使其能描述每个可能结果：

Example: “A case resulted from an incident.”

下一步是往这个句子中添加一个用户可以选择的所有可能字段：邻域、主因、赔款金额和一些标签。

使用上面的范句，并使字段保持它们在用户界面（UI）的顺序，我们得到的第一个完整句子是：

“One case in South Deering resulted from an incident of excessive force that cost Chicago $0-$3000 and was tagged traffic stop and false report.”

（译：“发生在South Deering(译注：芝加哥市最大社区)的一个案件涉及执法暴力，芝加哥政府为此花了0到3000美元。案件被标记为交通中断和虚假报道。”）

这样的句子不清楚，难以理解，且不够灵活。我们需要重新排列字段，以便利用标签和开支金额来描述案例，用主要原因和所涉社区来描述事件。我们还必须考虑不同数量的结果，并相应地调整措辞。在我们对完整句子结构的灵活性感到满意后，我们开始一次删除一个选项，并调整模板中的逻辑，使句子格式说得通。

当然会有一个更加程序化的方法来处理这个问题，但在上述事例中，我们主要依靠人工测试来确保句子结构在尽可能多的案例中都适用。

发布

2016年6月，《芝加哥记者报》发表了《为渎职买单》的完整系列报道，同时我们仍在继续收集芝加哥警察渎职行为的数据。我们希望这个应用程序可以成为芝加哥民众、记者、项目支持者乃至所有对治安管理问题感兴趣人群的一个重要信源。

编译/梁晨昱

编辑/Ivan Zhai，梁思然

相关阅读：

伦敦希思罗机场有多扰民？BBC数据记者用爬虫揭晓

想知道有哪些议员在“吃空饷”？自己写一个爬虫吧！

全球深度报道现状透析：数据驱动与跨国协作的时代已经到来

2016美国数据新闻奖揭晓，深度报道再添范例

本文首刊于Source网站，深度网获授权转载。

Matt Kiefer是《芝加哥记者报》（The Chicago Reporter）的数据编辑，该非营利性报纸“自1972起调查种族和贫穷议题”。他之前是Better Government Association的《美国资讯自由法》研究员。该机构同样位于芝加哥，在使用调查技术问责领域表现突出。

Julia Smith是非营利新闻机构INN（Institute for Nonprofit News）的设计主管。她负责为本机构的成员组织制定采编项目，并帮助新闻网站搭建与维护开源博客WordPress框架下的Largo系统。在此之前，她曾获2015年Knight-Mozilla研究基金，在调查性报道中心（Center for Investigative Reporting）任研究员。