Wikipedia:Wikipedistik/Leserinteressen

aus Wikipedia, der freien Enzyklopädie

Die Serverzugriffsstatistiken in Verbindung mit der Kategorisierung der Artikel geben Aufschluss über die Verteilung der Interessen der Leser. So kann man für die meisten Artikel den Kategorienbaum bis zu den Hauptkategorien zurückverfolgen und dann den Anteil der Seitenaufrufe von Artikeln, die zu einer der Hauptkategorien gehören, an den gesamten Seitenaufrufen bestimmen (jeweils der erste Wert in der folgenden Tabelle in Prozent). Die Werte summieren sich nicht zu 100%, deshalb kann man die Seitenaufrufe auf die Hauptkategorien verteilen, d.h. wenn z.B. ein zu zwei Hauptkategorien gehörender Artikel 20 mal aufgerufen wird, werden für beide Hauptkategorien jeweils 10 Aufrufe gezählt (jeweils der zweite Wert in der folgenden Tabelle in Prozent).

Stand: Dezember 2004

Hauptkategorie	Februar	April	Juni	August	Oktober
Archäologie	0.47 / 0.11	0.45 / 0.09	0.44 / 0.09	0.52 / 0.11	0.59 / 0.15
Astronomie	2.84 / 1.57	1.98 / 1.24	2.09 / 1.29	1.82 / 1.19	1.71 / 1.10
Auszeichnung	1.03 / 0.22	0.97 / 0.23	0.86 / 0.21	0.74 / 0.21	1.07 / 0.27
Bergbau	0.12 / 0.03	0.14 / 0.04	0.15 / 0.04	0.13 / 0.04	0.15 / 0.04
Biologie	8.84 / 5.26	8.57 / 5.04	8.45 / 4.94	8.75 / 5.32	9.03 / 5.44
Chemie	3.90 / 2.18	4.23 / 2.50	4.18 / 2.46	3.50 / 2.08	4.00 / 2.38
Esoterik	0.70 / 0.19	0.67 / 0.20	0.68 / 0.20	0.89 / 0.24	1.03 / 0.24
Essen und Trinken	0.76 / 0.50	1.08 / 0.72	1.37 / 0.90	1.50 / 1.04	1.39 / 0.96
Ethnologie	1.24 / 0.73	1.04 / 0.58	1.03 / 0.58	0.95 / 0.53	0.75 / 0.42
Freizeit und Spiele	5.40 / 1.82	6.06 / 2.18	5.35 / 1.76	6.02 / 1.98	5.83 / 1.88
Geographie	14.95 / 4.20	15.03 / 4.22	15.52 / 4.36	16.03 / 4.52	15.69 / 4.28
Geowissenschaft	17.21 / 5.38	17.03 / 5.25	17.61 / 5.42	17.88 / 5.46	17.73 / 5.31
Geschichte	22.19 / 11.78	18.49 / 9.07	17.38 / 8.04	15.91 / 6.89	15.02 / 6.09
Informatik	5.83 / 3.98	6.56 / 4.64	7.88 / 5.74	7.34 / 5.26	8.02 / 5.80
Interdisziplinäre Felder	0.07 / 0.04	0.06 / 0.04	0.08 / 0.05	0.06 / 0.04	0.06 / 0.04
Journalismus	0.59 / 0.13	0.58 / 0.14	0.56 / 0.13	0.63 / 0.15	0.64 / 0.16
Katastrophenschutz	0.06 / 0.03	0.05 / 0.02	0.05 / 0.02	0.06 / 0.02	0.05 / 0.02
Kunst	10.99 / 2.70	11.31 / 2.76	10.95 / 2.64	10.92 / 2.64	12.54 / 2.93
Literatur	6.38 / 1.76	6.29 / 1.70	6.30 / 1.72	6.08 / 1.68	6.41 / 1.84
Mathematik	3.97 / 2.98	3.80 / 2.90	3.78 / 2.84	2.97 / 2.18	3.34 / 2.47
Medizin	3.72 / 2.07	3.72 / 2.13	3.56 / 1.95	3.80 / 2.17	3.94 / 2.22
Militärwesen	3.32 / 1.22	3.56 / 1.29	3.39 / 1.28	3.65 / 1.38	4.58 / 1.46
Musik	4.36 / 2.35	4.26 / 2.16	4.35 / 2.32	3.82 / 1.89	3.96 / 1.97
Mythologie	0.98 / 0.24	1.11 / 0.27	1.35 / 0.32	1.39 / 0.34	1.18 / 0.29
Organisation	2.93 / 1.06	2.85 / 1.03	2.85 / 0.99	3.06 / 1.12	3.13 / 1.06
Parawissenschaft	0.05 / 0.03	0.05 / 0.03	0.06 / 0.04	0.08 / 0.04	0.06 / 0.03
Person	15.23 / 2.86	15.22 / 2.88	14.88 / 2.82	15.15 / 2.91	15.69 / 2.98
Philosophie	3.15 / 1.02	2.96 / 1.00	2.99 / 1.05	2.44 / 0.87	2.71 / 0.94
Physik	4.50 / 2.23	4.51 / 2.36	4.27 / 2.17	3.57 / 1.81	4.33 / 2.21
Politik	26.22 / 6.65	26.27 / 6.65	26.23 / 6.66	25.60 / 6.40	26.79 / 6.63
Pseudowissenschaft	0.11 / 0.06	0.30 / 0.15	0.17 / 0.08	0.19 / 0.09	0.14 / 0.07
Psychologie	1.32 / 0.48	1.39 / 0.51	1.47 / 0.53	1.68 / 0.61	1.83 / 0.66
Pädagogik	0.52 / 0.19	0.61 / 0.23	0.75 / 0.29	0.84 / 0.31	0.95 / 0.36
Recht	1.94 / 0.96	2.07 / 0.99	1.99 / 0.94	2.07 / 1.02	2.14 / 1.05
Religion	6.63 / 2.88	6.58 / 2.88	6.05 / 2.50	5.91 / 2.33	5.91 / 2.27
Räumliche Zuordnung	29.76 / 8.22	30.47 / 8.50	31.16 / 8.80	32.94 / 9.42	32.06 / 9.08
Sexualität	2.01 / 1.27	2.11 / 1.38	2.11 / 1.42	2.74 / 1.91	2.80 / 1.87
Soziologie	23.72 / 5.48	24.01 / 5.64	23.87 / 5.65	24.06 / 5.65	25.89 / 6.01
Sport	1.37 / 0.90	1.82 / 1.07	2.45 / 1.37	4.57 / 3.23	2.32 / 1.30
Sprache, Schrift und Zeichen	8.00 / 4.34	7.70 / 4.20	7.75 / 4.18	7.41 / 4.10	7.47 / 3.99
Technik	12.60 / 5.11	13.47 / 5.59	13.68 / 5.68	13.01 / 5.18	15.23 / 6.06
Titel	0.08 / 0.02	0.10 / 0.02	0.09 / 0.02	0.10 / 0.02	0.08 / 0.02
Transport & Verkehr	3.64 / 1.94	4.33 / 2.27	4.17 / 2.17	4.86 / 2.45	4.42 / 2.16
Wirtschaft	4.32 / 2.13	5.42 / 2.83	5.55 / 2.87	5.36 / 2.78	5.91 / 3.13
Zeitbegriff	1.86 / 0.73	0.99 / 0.39	1.12 / 0.47	0.94 / 0.39	0.96 / 0.38
gesamt	269.88 / 100.00	270.29 / 100.00	271.03 / 100.00	271.95 / 100.00	279.53 / 100.00

Berechnet man den Durchschnitt über alle vier Monate der Mehrfachzählungen (linke Zahl) ergibt sich daraus folgende 'Rangliste' der Themen:

Rang	Kategorie	Prozent
1	Räumliche Zuordnung	31.3
2	Politik	26.2
3	Soziologie	24.3
4	Geschichte	17.8
5	Geowissenschaft	17.5
6	Geographie	15.4
7	Person	15.2
8	Technik	13.6
9	Kunst	11.3
10	Biologie	8.7

Alle folgenden Angaben beziehen sich auf die Werte vom Oktober. An der letzten Zeile der Tabelle sieht man, dass die kategorisierten Artikel durchschnittlich zu 2.8 Hauptkategorien gehören. Für die einzelnen Hauptkategorien ergeben sich andere Verhältnisse. Soziologieartikel sind z.B. durchschnittlich 4.3 Hauptkategorien zugeordnet. Besonders diese hohen Werte sind mit Vorsicht zu genießen. So sind etwa alle Personen, die jemals einen Beruf ausgeübt haben, über die Kategorie Beruf der Hauptkategorie Soziologie zugeordnet, was diese Kategorie unsinnig aufbläht.

Um die Tabelle zu erstellen, muss man die folgenden beiden Programme nacheinander ablaufen lassen. (Unter Linux sollte man LANG=C einstellen.)

#!/usr/bin/perl

use bytes;

%unesc = ("\\" => "\\", "n"  => "\n", "r"  => "\r", "0"  => "\0", "Z"  => "\x1A", "\"" => "\"", "'"  => "'");

$n=0;
$re = "\\(n,n,s,s,s,n,s,s,s,n,n,n,n,n,s,s\\)";
$re =~ s/n/(.*?)/g; $re =~ s/s/'((?:\\\\\\\\)*|.*?[^\\\\](?:\\\\\\\\)*)'/g;
open REDIR, ">redir";
open DUMP, "bzcat cur_table.sql.bz2 |";
while(<DUMP>) { while(/$re/g) {
  ($id, $namespace, $titel, $text, $comment, $user, $timestamp, $flags, $is_redirect) =
    ($1, $2, $3, $4, $5, $7, $8, $10, $11);
  next if($id eq '' || $namespace eq '' || $titel eq '' || $user eq '' || $timestamp eq '');
  next unless $namespace==0 || $namespace==14;
  $text  =~ s/\\(.)/$unesc{$1}/g;
  $titel =~ s/\\(.)/$unesc{$1}/g;
  $titel =~ s/\s/_/g;
  if($namespace==0) {
    if($is_redirect) {
      $text =~ /#redirect ?\[\[([^\]\|]*)\]\]/i;
      $ziel=$1; $ziel =~ s/\s/_/g;
      print REDIR "$titel $ziel\n";
    } else {
      print REDIR "$titel $titel\n";
    }
  }
  while($text =~ /\[\[Kategorie:(.*?)(?:\||\]\])/g) {
    $kat = ucfirst $1;
    $kat =~ s/\s/_/g;
    push @{$artikel{$kat}}, $namespace==14?"Kategorie:$titel":$titel;
  }
  print "$n\n" if ++$n%1000==0;
}}
close REDIR;

sub sucheArtikel {
  my $kat = shift;
  $untersucht{$kat}++;
  foreach $artikel (@{$artikel{$kat}}) {
    if($artikel =~ /^Kategorie:(.*)$/) {
      sucheArtikel($1) unless defined $untersucht{$1};
    } else {
      $katArtikel{$artikel}++;
    }
  }
}

open OUT, ">Kategorien";
foreach $hauptkat (@{$artikel{"!Hauptkategorie"}}) {
    if($hauptkat =~ s/^Kategorie:(.*)$/$1/) {
      %katArtikel = (); %untersucht = ();
      sucheArtikel($hauptkat);
      foreach $artikel (sort keys %katArtikel) {
        print OUT "$hauptkat $artikel\n";
      }
    }
}
close OUT;

#!/usr/bin/perl

open REDIR, "redir";
while(<REDIR>) {
  ($von, $nach) = split;
  $redir{$von} = $nach;
}
close REDIR;

open KAT, "Kategorien";
while(<KAT>) {
  chop;
  ($hauptkat, $artikel) = split;
  unless($hauptkat eq "Wikipedia") {
    $kat{$hauptkat}{$artikel}++;
    $nKat{$artikel}++;
  }
}
close KAT;

for($monat=2; $monat<=10; $monat+=2) {
  open URL, sprintf("url_2004%02i.html", $monat);
  while(<URL>) {
    ($n, $x, $x, $x, $url) = split;
    next unless $url =~ /^\/wiki\/(.*)$/;
    $artikel = $1;
    next if $artikel =~ /:/ || !defined $redir{$artikel} || $artikel eq "Hauptseite" ||
      $artikel eq "Aktuelle_Ereignisse" || $artikel =~ /Portal/ ||
        $artikel =~ /^Liste/ || $artikel =~ /^Index/ ||
          $artikel eq "_vti_bin/owssvr.dll" || $artikel eq "MSOffice/cltreq.asp" ||
            $artikel eq "w/wiki.phtml";
    $artikel = $redir{$artikel};
    next unless $nKat{$artikel}>0;
    $N[$monat] += $n;
    foreach $hauptkat (keys %kat) {
      if(defined $kat{$hauptkat}{$artikel}) {
        $NKat1[$monat]{$hauptkat} += $n if defined $kat{$hauptkat}{$artikel};
        $NKat2[$monat]{$hauptkat} += $n/$nKat{$artikel} if defined $kat{$hauptkat}{$artikel};
      }
    }
  }
  close URL;
}

print "\{| cellspacing=\"0\" border=\"1\"\n";
print "|-\n";
print "! Hauptkategorie || Februar || April || Juni || August || Oktober\n";
print "|-\n";
foreach $hauptkat (sort keys %kat) {
  $hk = $hauptkat;
  $hk =~ s/_/ /g;
  print "| [[:Kategorie:$hk|]]";
    
  for($monat=2; $monat<=10; $monat+=2) {
    printf " || align=\"center\" | %.2f / %.2f", 100*$NKat1[$monat]{$hauptkat}/$N[$monat], 100*$NKat2[$monat]{$hauptkat}/$N[$monat];
  }
  print "\n|-\n";
}

print "| gesamt";
for($monat=2; $monat<=10; $monat+=2) {
  $gesamt1 = 0; $gesamt2 = 0;
  foreach $hauptkat (keys kat) { $gesamt1 += 100*$NKat1[$monat]{$hauptkat}/$N[$monat]; }
  foreach $hauptkat (keys kat) { $gesamt2 += 100*$NKat2[$monat]{$hauptkat}/$N[$monat]; }
  printf " || align=\"center\" | %.2f / %.2f", $gesamt1, $gesamt2;
}
print "\n|\}\n";