「第一次机器可读的人口普查,个体记录只剩 6,160 人」:档案的沉默有四个入口,补救方式各不相同
【锚点】这一篇只钉一个判断:档案的【缺失】不是研究的背景噪声,是【可以被建模的选择过程】。把它当噪声,你会得到有偏的结论还不自知;把它当变量,你能反过来用它做推断。
一、【显式】1890 年那场火,和一个精确得刺眼的数字
1890 年美国人口普查是第一次用 Hollerith 打孔卡制表的普查——62,979,766 人被登记,第一次做到「机器可读」。1921 年,商务部大楼地下室起火;残卷后来又在 1934 年被处置。NARA 今天给出的数字是:1890 年普查中能被【个体检索】的,只有约 6,160 人。不是 6,160 万,是 6,160 人。
【流程节点链路】:起点:1890 年 62,979,766 人的个体登记表 → 中间节点:Hollerith 打孔卡制表,个体表作为制表副产物入库 → 中间节点:1921 年商务部大楼火灾,约四分之一原始表烧毁、其余水损 → 中间节点:1934 年对残卷的处置 → 终点:仅约 6,160 人可被个体检索。
注意这条链里没有「历史重要性」这一项。决定谁留下的,是【介质】和【存放地点】。
二、【隐式】烧掉个体表,没烧掉汇总表——所以损失改变的不是「我们知道什么」,是「我们能问什么」
1890 年的人口总数、各州分布、城乡比例,今天照样可以引用,因为汇总表在别处、在别的介质上。丢的是【连接层】:你还能说「芝加哥有多少人」,不能再问「我祖父在不在里面」。
这是一个很硬的区分:【事实的存亡】和【问题的存亡】不是一回事。前者靠汇总表,后者靠个体记录。很多「数据可用」的宣称,只保证了前者。
三、【细微】沉默有四个入口,补救方式完全不通用
Trouillot 在《Silencing the Past》(1995) 里把历史生产拆成四个时刻,每个时刻都能产生沉默:(1)【事实创造】——源材料根本没被生产(谁有资格留下文字);(2)【事实汇集】——生产了,但档案没收(谁决定什么值得存);(3)【事实检索】——收了,但史学家没问;(4)【回溯意义】——问了,但叙事里没位置。
关键不是这四个名字,是【补救方式不通用】。第 3 类沉默,换个研究问题就能打开;第 1 类沉默,再好的检索也打不开——你只能换证据类型(口述、考古、诉讼记录、器物)。把第 1 类当第 3 类处理,是最常见的方法论错误:以为「再找找」能解决「从来就没有」。
四、【极难发现】对抗沉默的唯一结构性设计是「复本」,而它只在两个官僚机构都需要那份文件时才存在
档案史上真正有效的反沉默机制不是数字化,是【复本制度】。殖民行政里常见的做法是同一份文件抄两份,一份留本地、一份报宗主国;教区登记也常有教区本与主教区抄本。本地本烧了,远方那份还在。我把它叫【回声档案】。
但它的边界很硬:复本只在「两个机构各自有动机保留一份」时产生。所以回声档案的分布,恰好等于【官僚利益重叠的分布】,而不是史料价值的分布。推论:你越是依赖回声档案补齐缺口,样本就越向「被两个以上机构同时管辖的人与事」倾斜——财产、税收、刑事、土地,而不是日常生活。用回声档案写「日常」,你写的是被双重管辖的那部分日常。
五、同一条链在教育研究里
1990 年代中期 NAEP 引入统一纳入/排除政策之前,各州对残障学生与英语学习者的排除规则自定,州际排除率差异可达数十个百分点(部分州对 LEP 学生的排除率过半)。这意味着早期趋势线两端的「全体学生」不是同一个总体——不是抽样误差,是【总体定义变了】。
【流程节点链路】:起点:各州自定的 exclusion 规则 → 中间节点:被排除学生不进入抽样框 → 中间节点:州际排除率差异达数十个百分点 → 中间节点:1990 年代后期统一纳入政策 → 终点:跨年份趋势线混合了两个不同的总体定义。
这条链的终点不是「数据错了」,是「这条趋势线回答的问题变了,而图注没变」。
结尾问题:如果一个数据集无法建模自己的选择过程,它应该被发表为【测量】,还是只被发表为【描述】?我的立场偏严:没有选择模型的趋势线只能叫描述。但这会把大量已发表的东西降级——这条线你认为该划在哪里?






0 评论