芝加哥為解決警察瀆職官司在兩年中花費了納稅人多少錢？答案是5300萬美元。本着對公共資金負責的目的，《芝加哥記者報》在2016年發表了題為《為瀆職買單》的系列報道。他們的團隊整理了數百份法院文件信息，調查每筆錢到底是怎麼花的，花在了哪位警員身上。不僅如此，為了方便公眾獲得相關信息，他們與非營利新聞機構INN（Institute for Nonprofit News）合作，建立了一個網頁應用程序來呈現數據。在這個過程中，他們積累了更有效處理大量信息的經驗。以下，深度網為你編譯《芝加哥記者報》數據編輯與INN設計主管的分享。
研究
這個想法源於2012年的一份調查，該調查着眼於芝加哥警察捲入的多起官司。我們認為，通過公布警方接收的投訴、達成庭外和解的案子數量以及被告情況，可以幫助公眾監督警察和民選官員，讓他們對警方瀆職行為負責。
對於《芝加哥記者報》而言，這是一個很合適的項目，畢竟自1972年起，這份報紙就採用數據驅動的方式，調查芝加哥的種族和貧窮問題。我們懷疑警方瀆職情況在黑人或拉丁裔為多數的社區中尤其突出，後來通過數據證實了這一猜測。
在研究的早期階段，我們發現查找案件並非難事。通過芝加哥法律部門發布的案件裁決和庭外和解所涉及的賠款清單，我們找到了2012至2015年間關於警察瀆職的官司，最後篩選出655件官司，可以用來查找投訴信和其他文件。
我們專門僱傭了三名研究員來通讀每一宗官司的材料，再將關鍵信息按照以下四個類別製成表格：案件、警察、受害者、款項。
這個項目展示了數據庫規範化的好處。由於每起訴訟可以有多個被告，涉及多名官員和數筆款項，我們將各類數據劃分在不同的表格中，並建立鏈接，來避免錄入冗餘信息。這個方法不僅為我們省下來大量時間，而且保證了一致性和準確性。
最後，我們得找出投訴所提及的具體警官姓名，從而查找到他們涉及的案件和相關賠款。這一步很棘手，因為法律投訴中的姓名常常要麼不完整，要麼拼錯，並且不一定會有警察編號。
《芝加哥記者報》本來可以利用信息雜亂的被告人名單獲得一份規範化的警員名單，如果你曾經使用過數據清洗工具，比如說OpenRefine的話，就知道該如何操作。但是因為以下種種原因我們並未這麼做：我們需要切斷姓、名、中間名或其組合；警察在其職業生涯中可能有許多個編號；我們想要把服役日期也納入考察。
所以我們採取了另外一種方法：《芝加哥記者報》根據《美國資訊自由法案》向芝加哥警察局索取了幾十年來完整的警員名單。我們將數據上傳到“Django對象關係行數據映射組件（object-relational mapper）”中，並編寫算法，根據被告的姓名、編號以及服役日期等信息匹配涉案警員。如果算法可以高度確定性地鎖定被告人，那麼它就為記錄警察信息的表格建立起外鍵關係。
我們能夠自動完成85%的匹配，並建立起一個簡潔的網頁讓人們去了解餘下的信息。我們沒有更改任何源數據，並仔細審核每一次數據庫更新，這樣我們就可以返回並手動驗證我們建立的每個關係。
我們把這一份警察匹配表上傳到了GitHub網站上，以便其他記者或者研究員查看。
開發過程
當《芝加哥記者報》的團隊在努力將警察與具體官司相匹配、最終確定數據庫的結構時，非營利新聞研究所（INN）的技術團隊則忙於構建一個獨立的新聞應用程序，將數據公開。
我們開發的應用程序有兩個部分。一部分是介紹性的敘述頁面，展示記者拍攝的照片和調查的主要發現；另一部分則是應用程序的主要功能，允許用戶過濾655條訴訟，搜索個別警察的名字或編號。
最初，我們將注意力放在更加複雜的獨立應用軟件上，而且我們在設計的時候還設立了幾個目標。我們希望：
1.顯示市財政為處理警察瀆職案件所支付的費用。
2.使用戶能夠簡單地識別涉案人員，以及每宗案件的指控罪名。
3.允許人們輕鬆地運用這項程序，並分享信息。
4.確保更新數據的過程簡單直接。
我們與記者報團隊合作完成線框圖，在進行視覺設計期間，我們開始為應用程序開發自己的JSON模式和後端進程。
我們使用Tarbell（《芝加哥論壇報》靜態網站生成器）進行快速啟動及運行。通過利用簡單的谷歌表格整合功能，Tarbell提供了簡易的內容管理系統，並且有一個內置的發布工作流程，將準備好的文件上傳到Amazon S3(“亞馬遜簡易儲存服務”)。我們決定用Backbone作為前端的數據綁定框架。
在開發過程中還要解決一些有趣的技術問題。第一個是，我們希望用戶能夠通過社區位置而不是特定地址過濾訴訟案件，以便他們識別在住址或工作地點附近發生的警察瀆職事件。現有數據沒有一個“社區”字段，因此項目的主要開發人員Ryan Nagle根據《芝加哥先驅報》的Django邊界服務編寫了一個自定義腳本，將個人地址與芝加哥市地理信息系統中的社區和區域相匹配。
另一個具有挑戰性的部分是具有Mad-Lib風格搜索的結果區域（譯註：Mad-Libs是一種計算機算法，其方法是在預先設計好的句子架構中填入名詞、動詞等來產生有意義的內容），它需要一個複雜的Underscore.js模板，以確保每個搜索選擇組合的語法和標點符號都是正確的。
我們開始通過寫句子來開發這個功能。第一步是造一個基本句子，使其能描述每個可能結果：
Example: “A case resulted from an incident.”
下一步是往這個句子中添加一個用戶可以選擇的所有可能字段：鄰域、主因、賠款金額和一些標籤。
使用上面的范句，並使字段保持它們在用戶界面（UI）的順序，我們得到的第一個完整句子是：
“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.”
（譯：“發生在South Deering(譯註：芝加哥市最大社區)的一個案件涉及執法暴力，芝加哥政府為此花了0到3000美元。案件被標記為交通中斷和虛假報道。”）
這樣的句子不清楚，難以理解，且不夠靈活。我們需要重新排列字段，以便利用標籤和開支金額來描述案例，用主要原因和所涉社區來描述事件。我們還必須考慮不同數量的結果，並相應地調整措辭。在我們對完整句子結構的靈活性感到滿意後，我們開始一次刪除一個選項，並調整模板中的邏輯，使句子格式說得通。
當然會有一個更加程序化的方法來處理這個問題，但在上述事例中，我們主要依靠人工測試來確保句子結構在儘可能多的案例中都適用。
發布
2016年6月，《芝加哥記者報》發表了《為瀆職買單》的完整系列報道，同時我們仍在繼續收集芝加哥警察瀆職行為的數據。我們希望這個應用程序可以成為芝加哥民眾、記者、項目支持者乃至所有對治安管理問題感興趣人群的一個重要信源。
編譯/梁晨昱
編輯/Ivan Zhai，梁思然
相關閱讀：
本文首刊於Source網站，深度網獲授權轉載。
Matt Kiefer是《芝加哥記者報》（The Chicago Reporter）的數據編輯，該非營利性報紙“自1972起調查種族和貧窮議題”。他之前是Better Government Association的《美國資訊自由法》研究員。該機構同樣位於芝加哥，在使用調查技術問責領域表現突出。
Julia Smith是非營利新聞機構INN（Institute for Nonprofit News）的設計主管。她負責為本機構的成員組織制定采編項目，並幫助新聞網站搭建與維護開源博客WordPress框架下的Largo系統。在此之前，她曾獲2015年Knight-Mozilla研究基金，在調查性報道中心（Center for Investigative Reporting）任研究員。
