[论文解读] Assessing the Value of Coooperation in Wikipedia

Dennis M. Wilkinson, Bernardo A. Huberman|ArXiv.org|Feb 23, 2007

Wikis in Education and Collaboration参考文献 14被引用 32

一句话总结

本文表明，维基百科的协作编辑过程遵循一种简单的随机机制——编辑催生更多编辑——导致编辑次数呈对数正态分布，其中存在大量高编辑次数的文章。关键的是，它展示了高编辑量与文章质量之间存在强烈相关性，验证了维基百科作为大规模协作知识系统的成功。

ABSTRACT

Since its inception six years ago, the online encyclopedia Wikipedia has accumulated 6.40 million articles and 250 million edits, contributed in a predominantly undirected and haphazard fashion by 5.77 million unvetted volunteers. Despite the apparent lack of order, the 50 million edits by 4.8 million contributors to the 1.5 million articles in the English-language Wikipedia follow strong certain overall regularities. We show that the accretion of edits to an article is described by a simple stochastic mechanism, resulting in a heavy tail of highly visible articles with a large number of edits. We also demonstrate a crucial correlation between article quality and number of edits, which validates Wikipedia as a successful collaborative effort.

研究动机与目标

• 理解维基百科文章编辑累积背后的驱动机制。
• 在控制文章年龄和可见性的情况下，评估编辑量与文章质量之间的相关性。
• 评估维基百科开放、非监督的协作模式是否能在缺乏正式监督的情况下产生高质量内容。
• 确定编辑次数的重尾分布是否反映了高质量文章的集中现象。
• 探究编辑人数和编辑次数能否作为大规模协作系统中文章质量的可靠代理指标。

提出的方法

• 使用随机微分方程建模编辑累积：Δn(t) = [a + ξ(t)]n(t)，其中n(t)为时间t时的编辑次数，a为恒定基础速率，ξ(t)为均值为零的随机波动。
• 将每篇文章的编辑次数取对数后拟合对数正态分布，参数μ(t)和σ²(t)随文章年龄t线性变化。
• 使用z得分对编辑次数进行标准化：x(A) = (log n(A) − μ(t)) / σ(t)，以控制文章年龄，并在不同文章间比较相对编辑量。
• 通过年龄和可见性标准化后的编辑量，比较社区选定的“特色文章”与非特色文章。
• 使用Google PageRank作为文章可见性和相关性的代理指标，并分析其与编辑次数和编辑人数的相关性。
• 对每组400篇文章的时间切片应用χ²拟合优度检验，使用似然比统计量，确保各分箱的期望频数>8。

实验结果

研究问题

• RQ1 维基百科文章编辑累积背后的随机过程是什么？
• RQ2 在控制文章年龄和可见性的情况下，编辑次数与维基百科文章质量之间是否存在显著相关性？
• RQ3 编辑次数异常高的文章是否代表更高品质的内容？如果是，原因是什么？
• RQ4 编辑人数与文章质量有何关系？它能否作为可靠的质量度量指标？
• RQ5 文章可见性（以PageRank衡量）在多大程度上影响编辑量和维基百科中的质量感知？

主要发现

• 维基百科文章的编辑累积遵循一种简单的随机机制，即新编辑数量与当前编辑数成正比，导致文章间编辑次数呈对数正态分布。
• 对编辑次数的对数正态拟合具有统计显著性，p值表明在每组400篇文章的时间切片中拟合良好，验证了随机模型的有效性。
• 编辑次数异常多的文章——即分布的重尾部分——往往质量更高，经与社区选定的“特色文章”对比得到证实。
• 编辑次数与独立编辑人数之间存在强烈相关性，且在控制文章年龄和可见性后，特色文章的这两项指标均显著更高。
• 在所有PageRank水平下，特色文章的标准化编辑量（z得分）始终高于非特色文章，表明高质量文章能吸引更持久的协作投入。
• PageRank与编辑次数和编辑人数的对数之间表现出近乎线性关系，表明在维基百科生态系统中，可见性与质量密切相关。