#GIJC19 侧记：没有现成数据时，如何通过众包收集信息？

2019年9月26日，第十一届全球深度报道大会在德国汉堡开幕。图：Nina Weymann

9月底的德国汉堡，总是飘着小雨。 为期四天的全球深度报道大会（GIJC）结束了。 每天早上9点「上课」，下午5点「下课」，主题从数据新闻到媒体可持续发展，从如何进行深度调查到对抗假新闻，涵盖了几乎所有深度报道的可能性。 来自130多个国家，1700多名新闻工作者、研究者在大会会场进进出出，各种精彩的课程让人应接不暇。

作为一名数据编辑，我深知在中国找数据不是一件容易的差事，因为很多公开的数据可能要么缺失，要么格式混乱。 因此，这次参会的目的之一是，是想弄明白如何在没有现成数据库的情况下，记者应该如何自己收集和创建数据库？

方法之一就是进行众包。

「众包」（Crowdsourcing）起初是一个互联网概念。 简单解释就是，将一个项目分给一群人做，每个人做一点。 最常见的大概就是Google 的登录验证器，比如选择图中可见的红绿灯、车辆等等。 每个用户登录时识别一次，将这些识别数据汇聚起来，就会得到一个巨大的数据集，Google 就可以用它们来训练自己的人工智能。

在新闻行业，尤其是在数据新闻领域，众包新闻也是一种常用的方法。 因为数据新闻的选题基础是数据，但记者又不一定能常常找到令人满意的数据库。 这种情况下，如果每个读者都能提供一些信息，那这些信息汇集起来，就会成为一个有价值的数据库。

在我看来，众包新闻主要有两种，一种是收集故事，另一种是收集信息。

第一种的重点在于个人经历。 比如，ProPublica 和 NPR 曾于2017年合作发表过一篇关于产妇去世的报道。 产妇死亡率看起来只是几个数字，但背后却是许多家庭的眼泪和辛酸。 当记者想挖出更多细节的数据时，却发现没有人在做记录。 因此，他们采用了众包的方式，通过社交媒体、众筹网站找到潜在的受影响家庭，并投递调查问卷。 随后，他们将收回的问卷和公开讣告交叉比对，最终确认了至少450例产妇死亡案例。

汶川这个项目一共收到了1857篇故事。 之所以能收集到这么多记忆，主要原因可能有两个。 第一，是刚好遇上汶川地震十周年的纪念； 第二，当时这个项目的链接出现在澎湃网站和客户端的各个地方，读者很容易接触到。 相关的人物特稿结尾也会附上项目入口链接。 读者在读完别人的故事后，会更愿意分享自己的故事。

另一种众包的方式侧重于收集客观信息。 和第一种不同，这种项目收集到的信息，编辑部必须重复核查、确保准确和真实。 核实并不是容易的活，尤其是在本来就没有公开数据库的情况下，因此信息众包比故事众包的难度要更高。

不过，经过这次大会上数据新闻记者 Kavya Sukumar 的“调查报道背后的众包项目”一课，让我明白信息众包的难点还不仅仅在核实上，整个项目的设计都需要下更大的功夫，并不是单单一张调查问卷就能完事的。 Sukumar是一名活跃在新闻行业的工程师，她以自己在Vox参与过的一次调查报道为例，给我们讲解了众包项目的设计思路。

Vox在 2017-2018 年间发表了一系列关于医院急诊室费用的调查报道。 这个选题的灵感来自一封读者邮件。 这名读者抱怨自己因为一次急症治疗花了近千美元，而整个治疗内容就是在婴儿脚上贴了个创可贴，全程仅29分钟。

Vox 在2017-2018年间发表了一系列关于医院急诊室费用的调查报道。

随后记者发现，根据美国法律，医院不能立刻告诉患者急症室的医疗费是多少，因为担心患者会为了高昂的医疗费而放弃治疗。 但这带来的另一个问题就是，医院想开多少钱的账单都行。

Vox 的记者们认为，因为这样的一条法规存在，遇到类似问题的家庭肯定不只一个。 然而，没有一个现成的急症医疗费数据库能够回答这个问题。 思考再三，他们决定创建一个众包项目，以照片的形式来收集遭遇类似情况的读者的急症室医疗账单。

让读者直接提交账单照片，我觉得是很聪明的一个做法，因为这样可以确保信息的真实性。 如果只是让读者填写几个数字，那姑且不说故意乱填的，哪怕是不小心输错的也很难被发现。

但是，这随之而来的更重要的问题就是，你怎么能获得读者的信任，让他们愿意把医疗账单拍给你？ Sukumar 分享了三个贴士。

第一，在收集读者信息时，需要明确说明你需要的信息是什么，让读者把不需要的部分遮盖起来。

在设计提交信息页面前，Sukumar团队已经试读过多种类型的医疗账单，总结出了不同的医疗账单的信息点位置。 据此，他们撰写了一份完整的操作指南，根据这份指南，读者很快就能找到必要信息的位置，再遮盖住其它部分，拍照提交即可。

为了确保读者的安全感，收集信息的界面最好还能强调对用户隐私的重视，例如说明一旦离开了提交信息的界面/App，就不会再继续跟踪用户的行为。