四十英亩之后：一百八十万页档案里找回的一千二百五十个名字

核心判断

技术把海量影像变成可追查的线索，但报道真正成立于后面的人工核验：一个名字必须重新回到历史文献、地点和后代的生活中。

报道怎样展开

内战结束后，一批原被奴役者获得了土地。大约一年半之后，联邦政府又把土地收了回去。那句“40英亩土地”的承诺，就这样被收回了。土地没有了，留下来的只有档案。可档案里那些曾经拿到过土地的人究竟是谁，很长时间里没有完整的答案。名字躺在影像里，无从确证。

报道正是从这个空白开始的。档案并非不存在，而是多到没人读完：约180万份影像，其中约50万份已经由志愿者转录，其余仍然只是图片。问题一直悬在那里，材料也一直躺在那里，中间隔着的是人力所不能及的体量。团队决定把这段距离走完。

面对档案。

第一步并不急着识字，而是先弄清楚要找的文件长什么样。180万份影像里，只有一部分记录着授地信息。团队先定义要找的文件形态，再让机器去找。识别结果出来后，团队并不整体照单全收，而是抽样核验，看机器读出的东西是否可信。

改进检索。

志愿者转录过的50万份是起点，剩下的部分需要机器接手。团队改进了机器转录，让影像上的手写文字变成可以检索的文本；改进了图像相似检索，让形态相近的文件能够彼此关联；加上版式分类和主题聚类，把海量影像按照文件类型和内容归拢。经过这一轮筛选，1,250个姓名浮现出来。

回到家谱和地图。

机器筛出的名字只是线索。团队把这些名字放回历史文献和地图里，查证这个人是否确实出现在授地记录中，土地位于何处。以此为基础，团队建立了至少100棵家谱，把一百多年前的名字与后来的世代连接起来。

找到后代。

家谱最终指向活着的人。团队找到41名仍在世的后代。一个名字在档案里被识别出来，在文献和地图里被验证，最后在一个活着的人那里得到印证。这条路径走通了，报道也就成立了。

调查记者与编辑协会评价这组报道让历史问题与当下重新相连，并特别指出其数据库突出。这两句评价其实对应着报道的两端：一端是档案，一端是后代。

把方法放回故事里看，团队做的事情可以归为三条。其一，面对大档案，先定义要找的文件形态，再抽样核验识别结果，而非把机器输出直接当作事实。其二，技术筛出的名字必须回到历史文献、地图和后代访谈中验证，机器负责缩小范围，人负责确认。其三，公开不确定性，哪些名字已经证实、哪些仍待确认，读者可以看到。这三条并不新鲜，却是这组报道能够被信任的原因。

回到那个被找到的名字。它曾经只是180万份影像中的一处墨迹，然后被机器读出，被文献和地图证实，最后在一位仍在世的后代那里落定。这样的名字有1,250个，家谱至少100棵，后代41人。完整答案依然没有，团队也没有声称已经完整。但“无从确证”这四个字，已经不再成立。承诺被收回是事实，名字被找回也是事实。

这篇报道最值得学的地方

这篇报道最值得学的，不是用了机器转录，而是机器介入之前先回答“要找的文件长什么样”。团队先定义授地记录的形态，再让检索缩小180万份影像的范围；每一个浮现的名字仍要经过文献、地图、家谱与后代的确认，才从线索变成可以讲述的人。

面对大档案时，工具的选择会随题目而变，但这个先后顺序很重要：先界定要找的证据，再让工具找候选，最后回到独立材料确认。只要最后一步还未完成，机器给出的结果就只能叫候选，不能替代人物、历史或事实本身。

方法提要

约180万份影像

1,250个姓名

41名仍在世后代