[爆卦]發文門檻研究已回收
※註:有電視或媒體有報導者,請勿使用爆卦!
無重大八卦請勿使用此分類,否則視同濫用爆卦鬧板(文章退回、水桶6個月)
未滿30繁體中文字 水桶3個月
先前板上在討論增加發文門檻
我就想,PTT是個公開的平台,所有發文都有紀錄,ID資訊也是公開的
何不做個資料分析,探討這項政策會帶來的效應。
我針對今年7/1到9/19(政策實施前)的所有文章進行爬取,再從ID公開資訊爬取各篇作者
的登入次數
做相關性的研究。
不囉嗦,先上結論
https://imgur.com/BG1h7AP.jpg
把作者分為登入次數<700,與登入次數>700兩組
結果顯示,登入次數少的作者得到的認同度(推 - 噓)顯著較低。被噓文次數顯著較高。
文章討論度(推 + 噓 + 箭頭)則沒有顯著差異。
另外,增設700登入次數的門檻,會使八卦板流失12.37%發文作者,與12.65%文章。
------------------------以下詳細數據與分析方法-------------------------------
我用Python scrapy從網頁板PTT爬取文章
用Python telnet爬取作者登入次數。登入次數是動態的,而我在事後爬取,爬取時間是
9/30
所以與那些作者真正寫文章的時間(7~9月)有最多90次的誤差。這是本研究無可避免的限
制。
https://imgur.com/8TtCeqy.jpg
從流程圖可知,扣除網路因素、文章格式因素導致的爬取失敗,我們已捕捉93.2%作者與
84%文章。資料品質應該夠好了。
接著我們將資料匯入SAS 9.4做統計與資料視覺化。
我們計算每個作者的總發文次數、個人平均推、噓、箭頭次數,個人平均認同度、討論度
。
如下圖,每筆資料為一位作者的總結。
(所以你會看到推文數有小數點,因為那是該作者的個人平均)
https://imgur.com/nXKYh5j.jpg
之後的分析都將以"作者"為單位,而非"文章"。
首先,我們要注意,這個資料非常"偏"(skew)
以發文次數為例
下圖,上半部是我從常態分布模擬出來的樣本,是一個對稱的分布。平均值與中位數很接
近。
下半部是真實資料的作者發文數。平均和中位數差了近8篇文章。
https://imgur.com/gkxGV3V.jpg
這就說明大部分人發文在2篇左右,可是有少數人發了很多篇,把平均拉高了。
這時候如果還用平均數來總結這個資料,就會忽視真正廣大的族群。
因此之後的分析,我們將把重點放在中位數。
再跟大家介紹怎麼看箱型圖(Boxplot)
https://imgur.com/lQZbrEx.jpg
Q1是第一四分位數,也就是有25%的人低於這個數。可以反映出"底層"的情況
Q3是第三四分位數,也就是有75%的人低於這個數。用於反映"中高層"的情況。
下圖呈現登入次數<700與>700兩組的各項數值差距。
可以注意中位數跟平均有很大的落差。這就是先前說的,這份資料很偏。
https://imgur.com/gb8i7a0.jpg
根據Wilcoxon Two-Sample Test(檢驗中位數差異)
兩組在噓文數有顯著差異 (p < 0.0001),在認同度有顯著差異 (p < 0.0001)
也就是說,登入次數<700那組較常被噓,推文 - 噓文的數值也較低。
接著,我們撇開700門檻這個政策,巨觀來看登入次數與文章品質的關係。
首先皮爾森相關係數(Pearson Correlation Coefficients)告訴我們
登入次數與認同度是顯著(p < 0.0001)正相關的(r = 0.05156)。
也就是說,登入越多次,容易拿到更多推(或更少噓)。
把作者以1000次登入為單位,分成6個組別
1~1000
1000~2000
2000~3000
3000~4000
4000~5000
5000+
如下圖
https://imgur.com/hG7HY0W.jpg
可以看到認同度隨登入次數上升
討論度在第一組比較高,之後下降,又上升。
我們知道登入次數<700的組別,其噓文數顯著較高,所以這邊的討論度應該是被"噓"出來
的。
整體而言,認同度與討論度都隨登入次數增加而增加。
值得注意的是,隨登入次數提高,認同度的Q1和中位數只有些許上升,而平均和Q3卻大幅
上升,這表示
其實不管登入次數多少,大多數人的文章並沒有什麼差別。是較右邊的組別,有少數人在
拉高整體素質。
所以作為一介平庸的鄉民,我們也不要太歧視菜鳥。畢竟我們的整體文章品質會好,主要
是來自跟我們同組的神人大大們。
補充各門檻的保留作者比例
https://imgur.com/uKXKXOx.jpg
如果把門檻定在1000,板上會剩下76%作者。
定在2000,則會剩下45%作者。
所以訂高門檻確實可以提高文章認同度,可是同時也會流失許多作者。
同場加映
經濟狀況與文章認同度
https://imgur.com/R89ZhRG.jpg
這讓我很訝異,相關性似乎比登入次數更高...
以後說不定也可以用經濟狀況來定門檻(誤~)
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 129.109.71.70
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1538601241.A.A0D.html
→
10/04 05:14,
5年前
, 1F
10/04 05:14, 1F
推
10/04 05:15,
5年前
, 2F
10/04 05:15, 2F
推
10/04 05:16,
5年前
, 3F
10/04 05:16, 3F
推
10/04 05:19,
5年前
, 4F
10/04 05:19, 4F
推
10/04 05:19,
5年前
, 5F
10/04 05:19, 5F
推
10/04 05:20,
5年前
, 6F
10/04 05:20, 6F
→
10/04 05:20,
5年前
, 7F
10/04 05:20, 7F
推
10/04 05:21,
5年前
, 8F
10/04 05:21, 8F
→
10/04 05:21,
5年前
, 9F
10/04 05:21, 9F
→
10/04 05:21,
5年前
, 10F
10/04 05:21, 10F
→
10/04 05:22,
5年前
, 11F
10/04 05:22, 11F
推
10/04 05:22,
5年前
, 12F
10/04 05:22, 12F
推
10/04 05:22,
5年前
, 13F
10/04 05:22, 13F
→
10/04 05:22,
5年前
, 14F
10/04 05:22, 14F
→
10/04 05:22,
5年前
, 15F
10/04 05:22, 15F
推
10/04 05:23,
5年前
, 16F
10/04 05:23, 16F
推
10/04 05:27,
5年前
, 17F
10/04 05:27, 17F
推
10/04 05:28,
5年前
, 18F
10/04 05:28, 18F
→
10/04 05:28,
5年前
, 19F
10/04 05:28, 19F
推
10/04 05:29,
5年前
, 20F
10/04 05:29, 20F
→
10/04 05:29,
5年前
, 21F
10/04 05:29, 21F
→
10/04 05:29,
5年前
, 22F
10/04 05:29, 22F
噓
10/04 05:32,
5年前
, 23F
10/04 05:32, 23F
推
10/04 05:34,
5年前
, 24F
10/04 05:34, 24F
推
10/04 05:34,
5年前
, 25F
10/04 05:34, 25F
推
10/04 05:36,
5年前
, 26F
10/04 05:36, 26F
推
10/04 05:39,
5年前
, 27F
10/04 05:39, 27F
→
10/04 05:40,
5年前
, 28F
10/04 05:40, 28F
推
10/04 05:41,
5年前
, 29F
10/04 05:41, 29F
推
10/04 05:42,
5年前
, 30F
10/04 05:42, 30F
推
10/04 05:42,
5年前
, 31F
10/04 05:42, 31F
推
10/04 05:50,
5年前
, 32F
10/04 05:50, 32F
→
10/04 05:51,
5年前
, 33F
10/04 05:51, 33F
推
10/04 05:53,
5年前
, 34F
10/04 05:53, 34F
推
10/04 05:54,
5年前
, 35F
10/04 05:54, 35F
推
10/04 05:57,
5年前
, 36F
10/04 05:57, 36F
推
10/04 06:12,
5年前
, 37F
10/04 06:12, 37F
推
10/04 06:13,
5年前
, 38F
10/04 06:13, 38F
→
10/04 06:13,
5年前
, 39F
10/04 06:13, 39F
還有 149 則推文
推
10/04 10:23,
5年前
, 189F
10/04 10:23, 189F
噓
10/04 10:24,
5年前
, 190F
10/04 10:24, 190F
推
10/04 10:24,
5年前
, 191F
10/04 10:24, 191F
推
10/04 10:26,
5年前
, 192F
10/04 10:26, 192F
推
10/04 10:28,
5年前
, 193F
10/04 10:28, 193F
推
10/04 10:29,
5年前
, 194F
10/04 10:29, 194F
推
10/04 10:30,
5年前
, 195F
10/04 10:30, 195F
推
10/04 10:31,
5年前
, 196F
10/04 10:31, 196F
推
10/04 10:31,
5年前
, 197F
10/04 10:31, 197F
推
10/04 10:48,
5年前
, 198F
10/04 10:48, 198F
推
10/04 10:55,
5年前
, 199F
10/04 10:55, 199F
→
10/04 10:55,
5年前
, 200F
10/04 10:55, 200F
→
10/04 10:55,
5年前
, 201F
10/04 10:55, 201F
→
10/04 10:55,
5年前
, 202F
10/04 10:55, 202F
推
10/04 11:05,
5年前
, 203F
10/04 11:05, 203F
推
10/04 11:05,
5年前
, 204F
10/04 11:05, 204F
推
10/04 11:09,
5年前
, 205F
10/04 11:09, 205F
推
10/04 11:10,
5年前
, 206F
10/04 11:10, 206F
推
10/04 11:15,
5年前
, 207F
10/04 11:15, 207F
推
10/04 11:20,
5年前
, 208F
10/04 11:20, 208F
→
10/04 11:26,
5年前
, 209F
10/04 11:26, 209F
推
10/04 11:41,
5年前
, 210F
10/04 11:41, 210F
推
10/04 11:53,
5年前
, 211F
10/04 11:53, 211F
推
10/04 12:05,
5年前
, 212F
10/04 12:05, 212F
推
10/04 12:32,
5年前
, 213F
10/04 12:32, 213F
推
10/04 12:34,
5年前
, 214F
10/04 12:34, 214F
推
10/04 12:53,
5年前
, 215F
10/04 12:53, 215F
推
10/04 12:57,
5年前
, 216F
10/04 12:57, 216F
推
10/04 13:32,
5年前
, 217F
10/04 13:32, 217F
推
10/04 13:56,
5年前
, 218F
10/04 13:56, 218F
推
10/04 14:27,
5年前
, 219F
10/04 14:27, 219F
→
10/04 14:28,
5年前
, 220F
10/04 14:28, 220F
→
10/04 14:28,
5年前
, 221F
10/04 14:28, 221F
推
10/04 14:58,
5年前
, 222F
10/04 14:58, 222F
推
10/04 16:04,
5年前
, 223F
10/04 16:04, 223F
→
10/04 17:50,
5年前
, 224F
10/04 17:50, 224F
→
10/04 17:50,
5年前
, 225F
10/04 17:50, 225F
→
10/04 17:50,
5年前
, 226F
10/04 17:50, 226F
推
10/04 20:56,
5年前
, 227F
10/04 20:56, 227F
推
10/04 22:02,
5年前
, 228F
10/04 22:02, 228F
討論串 (同標題文章)