編者註: 一篇好的數據報道應當確保數據無誤,分析詳實。若團隊中缺乏富有經驗的數據編輯,抑或報道涉及專業領域的數據,這時該如何做好報道核查?兩位資深數據記者總結了以下經驗。
作為數據新聞記者,我們努力追求高準確率,但是檢查我們的工作往往很複雜,編輯們和事實核實員也許不那麼擅長數據,所以我們通常需要外界的意見。最理想的情況是,我們可以互相請教,甚至向其他領域的專家尋求幫助。在學術界,在發表之前詢問外界意見被廣泛稱為“同行評價”。
在SRCCON(譯者註:Opennews為媒體里的開發工程師、交互設計師與編程人員舉辦的活動)中,我們討論將“同行評價”這個概念轉移到新聞業時會遇到的問題,以及我們在具體運用中的一些方法。
(這裡所說的“同行評價”,是指在一個給定的學術領域,讓同事之間互相仔細檢查對方的研究方法和成果。它其實還有一個更正式、但我們此次沒有使用的定義,即一個審查委員會評估研究文章,然後決定是否在學術期刊上發表。)
以下是我們在活動中總結出的一些想法。
新聞業同行評價的基本要素
在新聞背景下,同行評價應該是什麼樣子的呢?
同行評價應該“兩步走”:第一步,在正式出版前的檢查你的分析;第二步,將數據、操作方法和故事一起發布。
我們對核查時間點做了重要區分:發表前的核查,與在發表期間及之後做的核查是不同的。雖然我們更加註重發表前的審核,但也一致認為,在學術界尚不多見的開源數據分析可在發表期間或之後進行,這是數據記者可以帶頭探索的領域。
同行評價的對象有哪些?
故事可以包括一系列的數據結果,從幾個數字到製成輔助圖表,再到做出深度調查。當考慮同行評價時,你要想想自己的調查結果是否值得詢問外界意見,還是只需簡單複核數據即可。我們的結論是,最有用的判斷方法,是先看故事的基礎有多少來源於數據分析。如果整個故事都取決於分析所得出的結果,那麼就值得與他人一起比較——這也包括那些涉及預測或新發現的故事。
編輯部中的同行評價是怎樣的?
在媒體內部,有很多途徑可以核查數字,與略懂分析方法的同事討論便是其中一種簡單方法。一個更有力的辦法是,在做任何實際分析之前,與一名組員搭檔,你們分別決定如何處理已知數據,然後再聚到一起,比較不同方式的優劣之處。也許你們分屬不同的數據團隊,那你們可以每周見一次,以檢查對方的工作或者討論定量分析的方法。
編輯部之外呢?
有時候,即使身屬數據小組,你還是沒法找到人做交叉核查。那麼,你可能就要去找比同組夥伴更專業的人了。
在這些情況下,可以考慮聯繫其他同行,他們可能在相同的數據集前面臨同樣的問題,難以作出決策。即使這些媒體人沒有對你的方法提出意見,他們也可能會向你推薦另外一些有能力的人。這些同行或不會將你視為“競爭對手”,因為他們通常對特定主題有完全不同的視角與受眾(政治獻金是個現成的例子)。如果你不知道從哪裡開始找人,可以在
如果你在找數學或者數據方面的專家,就應該考慮stats.org,這個網站上有一群統計學家,可以向記者提供幫助,解釋研究成果並討論計算方法。其他與特定主題相關的專家如研究員或教授,則是核查一般分析結果的資源。
棘手的情況
如果你的故事很敏感,可考慮先分享你的方法,而不是公開具體發現。這樣,別人會評價你的分析過程而非結論。記者與學者之間的一個關鍵區別,是他們在發表前分享結果的程度。在發表過程的任一階段,學者都會被鼓勵分享並徵求外界對其作品的意見。然而記者在故事發表前則不太願意在編輯部之外討論他們的工作內容,特別是當調查結果有爭議的時候。
如果你正在寫一個預計會引起很多爭議的故事,解決方案之一是準備一篇討論調查方法的稿子,來預測並應對可能會有的批評,但不去提及具體結果。有些編輯部稱之為“白皮書”。一旦你有了這份“白皮書”,就可以考慮分發給少量人士徵求意見。
ProPublica在其《外科醫生記分卡》項目中就用了這個辦法。這個項目通過併發症發生率對外科醫生進行評分,發布數據前,ProPublica將一份詳細的白皮書與學者以及患者安全專家進行分享。
這種“方法發表先於結果”的(“methodology before results”)策略也可應用於更小範圍的工作。舉例而言,如果你引用了聯邦統計機構的數據去解答某些問題,那麼,即使你不在討論中給出已經推演得到的具體答案,你還是可以找到該機構工作人員,繼續就有關問題進行討論。此時,上述方法極其有用。
發表後的透明度
即使在報道發表之後,仍然要對你的工作保持透明,以便使人們能夠輕鬆地進行同行評價。
對自己負責的一種方法是,公開你的數據和方法,讓公眾來監督。即使只用一句話總結你從何得到數據、如何使用數據,也比什麼都沒有要強。
保持透明度幾乎總是說易行難,Christine正在了解這背後的原因。如果你有興趣參與她的研究,請發郵件至ychristinezhang@gmail.com 與她聯繫,或者填寫這份問卷。
不止如此
時間有限,我們還有很多話題沒法討論,比如發布數據的最佳方法(可參考Source以及這些網站的資源),或者是激勵記者做更多同行評價的其他方式。如果你有任何想法,請聯繫@christinezhang 和 @ArianaNGiorgi。
編譯/梁晨昱
編輯/Ivan Zhai,梁思然
本文原刊於Source網站,深度網經授權轉載。
Ariana Giorgi 是《達拉斯晨報》的記者,專註於數據分析與可視化,而且也是@DMNinteractive團隊成員。
Christine Zhang 是《洛杉磯時報》數據組的Knight-Mozilla OpenNews 研究員。在此之前,她是華盛頓布魯金斯學會的分析員。