ตามหาบทความที่มียอดเข้าชมน้อยที่สุดบนวิกิพีเดีย (2022)
(colinmorris.github.io)- วิกิพีเดียมีทั้งบทความยอดนิยมที่มียอดเข้าชมหลายล้านครั้งต่อสัปดาห์ และในขณะเดียวกันก็มี บทความที่แทบไม่มีใครสนใจอย่างยิ่ง ซ่อนอยู่ในบรรดาบทความกว่า 6 ล้านหน้า ซึ่งถูกอ่านเพียงเลขหลักเดียวต่อปี
- ในตัวอย่างบทความราว 32,000 หน้าในปี 2021 กลุ่มที่อยู่อันดับล่างสุดมักเป็นหน้ารวมความหมาย และเมื่อไม่นับสิ่งเหล่านี้แล้ว จะเหลือ บทความสั้นมาก อย่างชนิดของผีเสื้อกลางคืน แมลงวัน หมู่บ้านในอิหร่าน และนามสกุล ที่มียอดเข้าชมเพียง 7–9 ครั้งต่อปี
- ปุ่ม “Random article” มีความน่าจะเป็นในการเลือกแต่ละบทความไม่เท่ากันตาม random gap ระหว่างค่า
page_randomของหน้าหนึ่งกับค่าก่อนหน้า ทำให้บางบทความถูกแสดงน้อยกว่าค่าเฉลี่ยมาก - เมื่อลดขอบเขตลงเหลือ 600,000 บทความที่มี gap ไม่เกินประมาณ 1 ใน 10 ของค่าเฉลี่ย บทความที่มียอดเข้าชมต่ำสุดในปี 2021 คือ Trichromia phaeocrota และ Opharus corticea ซึ่งมียอดเข้าชมที่คาดว่าเป็นจากมนุษย์อย่างละ 3 ครั้ง
- ใน 500 บทความท้ายสุด มักพบบทความเกี่ยวกับอนุกรมวิธานแมลง หอยทากบางชนิด รา ภูมิประเทศ และหน้า set index จำนวนมาก โดยหน้าว่าด้วยชนิดสิ่งมีชีวิตและถิ่นที่อยู่อาศัยมักยังคงอยู่ได้แม้อ้างอิงจะอ่อน เพราะมีเกณฑ์การคงไว้ต่ำกว่า
ลักษณะของบทความไม่เป็นที่นิยมที่เห็นจากตัวอย่าง
- วิกิพีเดียมีบทความมากกว่า 6 ล้านหน้า และบทความยอดนิยมมียอดเข้าชมหลายล้านครั้งต่อสัปดาห์
- ในทางกลับกัน ก็มีบทความที่แม้แต่วันละไม่กี่ครั้งก็ยังแทบไม่มีคนดู ตัวอย่างเช่น
- ในบรรดาบทความที่ผู้เขียนสร้างเอง บทความที่ได้รับความนิยมน้อยที่สุดคือ Sunday reading periodical ซึ่งเป็นบทความเกี่ยวกับ ประเภทนิตยสารยุควิกตอเรีย และมียอดเข้าชมเฉลี่ยราว 12 ครั้งต่อเดือน
- แม้ข้อมูลยอดเข้าชมของวิกิพีเดียจะเปิดเผยทั้งในรูปแบบ raw dump และ API แต่ก็ไม่มีวิธีง่าย ๆ สำหรับเรียงลำดับหา บทความที่มียอดเข้าชมน้อยที่สุด ได้โดยตรง
การวิเคราะห์ตัวอย่างสุ่ม 32,000 บทความ
- มีการเก็บข้อมูลยอดเข้าชมปี 2021 จากตัวอย่างบทความวิกิพีเดียราว 32,000 หน้า
- ค่ามัธยฐานของยอดเข้าชมต่อปีในตัวอย่างต่ำกว่า 1,000 เล็กน้อย ส่วนค่าเฉลี่ยอยู่ที่ประมาณ 13,000 เพราะการกระจายแบบหางยาว
- ในตัวอย่างมีบทความเกือบ 100 หน้าที่มียอดเข้าชมรวมทั้งปี 2021 เป็นเลขหลักเดียว
- Weimer Township: 3 ครั้ง
- Goleh-ye Cheshmeh: 4 ครั้ง
- Governor Terry: 4 ครั้ง
- อย่างไรก็ตาม 50 อันดับล่างสุดทั้งหมดเป็น หน้ารวมความหมาย และในการวิเคราะห์นี้ไม่ถือว่าเป็น “บทความจริง”
- เมื่อตัดหน้ารวมความหมายออกไป บทความที่มียอดเข้าชมเป็นเลขหลักเดียวต่อปีก็จะแคบลงเหลือบทความสั้นไม่กี่ชิ้นในช่วง 7–9 ครั้งต่อปี
- Erygia sigillata: ชนิดของผีเสื้อกลางคืน
- Hilarigona obscurata: ชนิดของแมลงวัน
- Loxocrambus hospition: ผีเสื้อกลางคืน
- Makhoshin: หมู่บ้านในอิหร่าน
- Bojerud: นามสกุล
- Scrobipalpula crustaria: ผีเสื้อกลางคืน
ปุ่ม “Random article” และ random gap
- ยอดเข้าชมที่ต่ำมากอาจเป็นผลจากผู้ใช้ที่เข้ามาผ่านปุ่ม Random article
- ปุ่ม Random article ถูกทำให้ข้ามหน้ารวมความหมายมาตั้งแต่ปี 2015 ซึ่งอาจอธิบายได้ว่าทำไมหน้ารวมความหมายจึงไปกระจุกอยู่ในกลุ่มที่มียอดเข้าชมต่ำสุดของตัวอย่าง
- เมื่อสร้างบทความในวิกิพีเดีย ระบบจะกำหนดค่า
page_randomแบบสุ่มระหว่าง 0 กับ 1 ให้ - เมื่อมีคำขอ Random article เซิร์ฟเวอร์จะสร้างเลขสุ่มระหว่าง 0 กับ 1 แล้วคืนบทความที่มีค่า
page_randomมากกว่าค่านั้นและใกล้ที่สุด - วิธีนี้ไม่ได้ยุติธรรมอย่างสมบูรณ์
- ความน่าจะเป็นที่บทความจะถูกเลือก เท่ากับขนาดของ random gap ซึ่งคือส่วนต่างระหว่างค่า
page_randomของบทความนั้นกับค่าของบทความก่อนหน้าโดยตรง - บทความที่มี gap เล็ก จะมีโอกาสถูกเลือกผ่าน Random article ต่ำลงด้วย
- ความน่าจะเป็นที่บทความจะถูกเลือก เท่ากับขนาดของ random gap ซึ่งคือส่วนต่างระหว่างค่า
ความสัมพันธ์ระหว่างพื้นล่างของยอดเข้าชมกับ random gap
- หากวิกิพีเดียมีบทความราว 6 ล้านหน้า ค่า random gap เฉลี่ยจะอยู่ที่ประมาณ
1/6,000,000หรือ1.67e-7 - ในตัวอย่าง บทความที่มียอดเข้าชมน้อยที่สุดคือ Erygia sigillata มีค่า
page_randomเท่ากับ0.500764585777และบทความก่อนหน้าทันทีคือ Katherine Hanley มีค่า0.500764582314 - ส่วนต่างของทั้งสองค่าคือประมาณ
3e-9ซึ่งเล็กกว่าค่า random gap เฉลี่ย 98% และทำให้มีโอกาสถูกเลือกผ่าน Random article น้อยกว่าบทความทั่วไป 50 เท่า - random gap ของอีก 5 บทความที่มียอดเข้าชมต่อปีเป็นเลขหลักเดียวก็อยู่ที่
3e-9,9e-9,8e-9,4e-9,8e-9,2e-8ซึ่งทั้งหมดเล็กกว่าค่าเฉลี่ยประมาณหนึ่งหลัก - ในตัวอย่างทั้งหมด 32,000 บทความ ความสัมพันธ์ระหว่าง random gap กับยอดเข้าชมไม่ได้ชัดเจนนัก
- แต่ในกลุ่มที่ดูเหมือนแทบไม่มีความสนใจตั้งแต่ต้น เช่น บทความที่มียอดเข้าชมต่ำกว่า 200 ครั้งต่อปี หรือราว 1,500 บทความใน Category:Phaegopterina stubs ความสัมพันธ์นี้จะเห็นชัดกว่า
บทความที่มียอดเข้าชมต่ำสุดในปี 2021
- บทความที่มียอดเข้าชมต่ำสุดไม่ได้เป็นเพียงหัวข้อที่คนทั่วไปไม่สนใจเท่านั้น แต่ยังต้องเป็น บทความที่มี random gap เล็กมาก ด้วย
- จึงจำกัดขอบเขตการวิเคราะห์ไว้ที่บทความซึ่งมี gap ไม่เกิน
1.7e-8หรือประมาณ 1 ใน 10 ของค่าเฉลี่ย แล้วพิจารณา 600,000 บทความที่ “โชคร้ายที่สุด” - แม้แต่ใน 600,000 บทความนี้ ทุกหน้าก็ยังถูกเข้าชมอย่างน้อยไม่กี่ครั้งในปี 2021
- บทความที่มียอดเข้าชมต่ำสุดในปี 2021 มี 2 บทความที่ครองอันดับร่วมกัน โดยมียอดเข้าชมที่คาดว่าเป็นจากมนุษย์ 3 ครั้ง
- Trichromia phaeocrota: random gap
4e-9 - Opharus corticea: random gap
1e-9
- Trichromia phaeocrota: random gap
- ทั้งสองบทความเป็นบทความเกี่ยวกับ ชนิดของผีเสื้อกลางคืน
รูปแบบที่ซ้ำกันใน 500 บทความท้ายสุด
- สามารถดูรายชื่อ 500 บทความท้ายสุดได้ที่ Least viewed articles in 2021
- การกระจายของหัวข้อมีความสม่ำเสมอมาก
- จำนวนมากเป็นบทความเกี่ยวกับชนิดแมลงหรือกลุ่มอนุกรมวิธานของแมลงอื่น ๆ
- ยังมีหอยทาก 17 รายการ และราอีก 1 รายการคือ Harknessiella
- หมวดที่พบบ่อยถัดมาคือภูมิประเทศ โดยเฉพาะหมู่บ้านในอิหร่านและศรีลังกาที่ปรากฏบ่อย
- ยังมีบทความภูมิศาสตร์สั้น ๆ เช่น Kälberbuckel
- อีกหมวดที่พบซ้ำคือหน้า set index
- set index article ดูคล้ายหน้ารวมความหมายและทำงานคล้ายกัน แต่ตามการจัดหมวดหมู่ของวิกิพีเดียไม่ถือเป็นหน้ารวมความหมาย
- ยังมีบทความจำนวนน้อยอย่าง DMZ//38 หรือ EuroNanoForum 2009 ที่ชวนให้นึกถึงเกณฑ์การคงบทความที่เคยหลวมกว่านี้ในอดีตของวิกิพีเดีย
ทำไมถึงมีผีเสื้อกลางคืนเยอะ
- วิกิพีเดียใช้ข้อกำหนดด้านแหล่งอ้างอิงที่เข้มงวดกับหัวข้ออย่างบุคคลที่ยังมีชีวิตอยู่ บริษัท หรือวงดนตรี
- หัวข้อเหล่านี้อาจถูกใช้ในการแก้ไขเพื่อการโปรโมต ผลประโยชน์ หรือข้อพิพาทได้ จึงไม่สามารถอาศัยแค่การยืนยันจากแหล่งปฐมภูมิอย่างง่ายเพื่อให้มีบทความอยู่ได้ แต่ต้องมีการกล่าวถึงอย่างมีนัยสำคัญจากแหล่งทุติยภูมิอิสระหลายแห่ง
- ดังนั้นหัวข้อที่ผ่านเกณฑ์นี้ได้จึงมีแนวโน้มว่าจะยังมีคนสนใจนอกเหนือจากผู้ใช้ Random article ทำให้แทบไม่ปรากฏใน 500 อันดับท้ายสุด
- ในทางกลับกัน บทความชนิดสิ่งมีชีวิต และ บทความสถานที่ตั้งถิ่นฐาน โดยทั่วไปจะไม่ถูกลบ
- แม้หัวข้อจะมีแหล่งอ้างอิงอ่อน ก็ยังมักถูกเก็บไว้
- บทความท้ายอันดับจำนวนมากพึ่งพาแหล่งอ้างอิงเพียงแหล่งเดียว เช่น ฐานข้อมูล พจนานุกรมภูมิศาสตร์ หรือการกล่าวถึงสั้น ๆ ในหนังสือหรือวารสารวิชาการ
- ด้วยเกณฑ์ที่ต่ำกว่า บทความบางหน้าจึงดูเหมือนบทความสั้นที่ถูกสร้างขึ้นแบบกึ่งอัตโนมัติ
- Pottallinda เป็นบทความสั้น 12 คำ และมียอดเข้าชม 5 ครั้งในปี 2021
- มันถูกสร้างเมื่อ 18 มกราคม 2011 โดย User:Ser Amantio di Nicolao และภายใน 60 วินาทีก็มีการสร้างบทความคล้ายกันอีกหลายหน้า เช่น Polmalagama, Polommana, Polpitiya, Polwatta
- บทความจิ๋วที่ไม่เป็นที่นิยมเหล่านี้อาจทำให้ผู้ใช้ Random article ผิดหวังได้ แต่ก็อาจเป็น งานปูพื้นฐาน ที่บรรณาธิการคนอื่นจะมาขยายต่อในภายหลัง
ข้อมูลและโค้ด
- ข้อมูลยอดเข้าชมและโค้ดสำหรับ scraping กับการวิเคราะห์ เผยแพร่อยู่ใน GitHub repository wiki-pageview-floor
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
เหตุผลที่เรื่องแบบนี้เกิดขึ้นใน Wikipedia ไม่ใช่เพราะการหารายได้หรือมุมมองที่เป็นข้อถกเถียง แต่เพราะ เกณฑ์ความมีชื่อเสียง ที่มาจากลักษณะและคุณภาพของแหล่งอ้างอิงที่ถูกอ้างถึง เป็นสิ่งที่ถูกใช้บ่อยที่สุดในการตัดสินว่าจะลบบทความหรือไม่
เมื่อก่อนเคยมีแนวทางว่าผู้ที่ลงแข่งขันกีฬาในระดับนานาชาติโดยทั่วไปถือว่ามีชื่อเสียง ดังนั้นแม้แต่นักฟุตบอลที่ลงเล่นให้ทีมชาติแค่นัดเดียวก็ยังหลีกเลี่ยงการถูกลบได้ด้วยแหล่งข้อมูลที่ค่อนข้างอ่อน
แต่เมื่อแนวทางนั้นถูกยกเลิกและกลับไปใช้แนวทางความมีชื่อเสียงทั่วไป (GNG) สำหรับบุคคลจึงจำเป็นต้องมีการรายงานเชิงประวัติชีวิตอย่างมีนัยสำคัญจากสื่อกระแสหลักที่เชื่อถือได้ในระดับประเทศ ส่วนรายงานการแข่งขัน·บทสัมภาษณ์ท้องถิ่น·สื่อแฟนคลับโดยทั่วไปจะถูกตัดออก
ผลคือบทความสั้น ๆ หลายร้อยบทความและบทความเต็มหลายสิบบทความเกี่ยวกับ นักฟุตบอลหญิงทีมชาติ แม้จะเป็นแชมป์ฟุตบอลโลก ก็ยังไม่เข้าเกณฑ์ GNG เพราะมีการรายงานจากสื่อกระแสหลักค่อนข้างน้อย และเมื่อบรรณาธิการคนหนึ่งเสนอให้ลบบทความเหล่านั้นจำนวนมากหลังฟุตบอลโลกหญิงเปิดฉากช่วงฤดูร้อนนี้ เกือบทั้งหมดก็ถูกลบไป
ดังนั้นเหตุผลที่บทความเกี่ยวกับผีเสื้อกลางคืนหรือสถานที่ยังอยู่ ไม่ใช่เพราะการหารายได้หรือความเป็นประเด็นถกเถียง แต่เพราะสิ่งของและสถานที่ซึ่งไม่สามารถฟ้องบรรณาธิการ Wikipedia ในข้อหาหมิ่นประมาทได้ ถูกใช้เกณฑ์ความมีชื่อเสียงที่ต่างกันโดยสิ้นเชิง
https://en.wikipedia.org/wiki/Wikipedia:WikiProject_U.S._Roads/Newsletter/Issues/Volume10/Issue01
ผมคิดว่ามีรายงานจาก Polygon และ Kotaku ก็น่าจะเพียงพอแล้ว แต่ตอนแรกมันเป็นงานที่ยาก
คนที่กดปุ่มได้เร็วมาก ๆ คนหนึ่งถือเป็น บุคคลที่มีชื่อเสียง จริงหรือ?
ผมคิดว่าน่าจะมีบทความ Wikipedia นับไม่ถ้วนเกี่ยวกับผู้คนที่มีบทบาทและตำแหน่งหลากหลายในสายเทคโนโลยี แวดวงวิชาการ การเมืองท้องถิ่น ฯลฯ ที่ไม่ผ่านเกณฑ์นั้น
ผมยังจำได้ว่ารู้สึกเหลือเชื่อที่แม้แต่ เว็บคอมิก ที่ค่อนข้างได้รับความนิยมก็ยังมีบทความวิกิไม่ได้
ผมคิดว่าหนึ่งในฟีเจอร์ที่ดีที่สุดแต่ไม่ค่อยเป็นที่รู้จักของ Wikipedia คือ กล่องนำทาง แบบพับได้ที่อยู่ท้ายบทความแต่ละหน้า
มันยอดเยี่ยมมากสำหรับมองภาพรวมของหัวข้อที่ซับซ้อน และดูว่ารายการหนึ่ง ๆ อยู่ตรงไหนในโครงสร้างลำดับชั้นที่ซับซ้อน
บางอันเหมือนงานศิลปะชิ้นเล็ก ๆ ที่สักวันหนึ่งผมอยากแขวนไว้บนผนังด้วยซ้ำ
https://imgur.com/gallery/ILp6TtA
ผมเข้าใจเหตุผลที่ค่าเริ่มต้นต้องพับไว้ แต่ผมใช้ userjs ย้ายมันไปไว้บนสุดของหน้า กางไว้ แล้วใช้สำหรับนำทาง
เพื่อไม่ให้กินพื้นที่มากเกินไป ผมตั้ง CSS
zoomไว้ที่ 0.3วิธีเลือกบทความแบบสุ่มนี่ชวนช็อกมาก
มันทำให้การสุ่มมีอคติถาวร และหลีกเลี่ยงไม่ได้ที่จะเกิดการพึ่งพาเส้นทางอย่างมาก ในแบบที่ความน่าจะเป็นที่บทความแต่ละบทความจะถูกเลือกเปลี่ยนไปตามเวลา
การสุ่มเลือก จำนวนเต็ม ตั้งแต่ 1 ถึง N ไม่ใช่วิทยาศาสตร์จรวดเสียหน่อย
เลยอดสงสัยไม่ได้ว่าอาจมีการถ่วงน้ำหนักโดยเจตนา เช่น เว้นพื้นที่ด้านหน้าบทความที่อยากให้โผล่บ่อยเป็นพิเศษหรือเปล่า
MySQL ไม่ได้ถูกสร้างมาให้เลือกแถวแบบสุ่มได้อย่างมีประสิทธิภาพจริง ๆ
วิธีซื่อ ๆ อย่าง
ORDER BY RAND() LIMIT 1มีประสิทธิภาพแย่มาก และLIMIT 0 OFFSET RAND() * row_countก็แย่พอ ๆ กันถ้าใช้วิธีที่ประสิทธิภาพดีอย่าง
WHERE id >= RAND() * max_id ORDER BY id LIMIT 1ก็จะเกิดปัญหาเดียวกัน คือช่องว่างของ ID จากบทความที่ถูกลบทำให้บางบทความถูกสุ่มเจอบ่อยขึ้นทางแก้ที่ถูกต้องมีแค่สองแบบ คือสุ่ม ID แล้วถ้าไม่ถูกต้องก็ลองใหม่ หรือดูแลคอลัมน์/ตารางแยกต่างหากที่เก็บบทความที่ถูกต้องทั้งหมดเป็นลำดับจำนวนเต็มต่อเนื่อง
แบบแรกคาดเดาประสิทธิภาพได้ยาก เพราะบางครั้งอาจต้องลองใหม่ถึง 20 ครั้ง ขึ้นอยู่กับว่า ID กระจัดกระจายแค่ไหน ส่วนแบบหลังต้องคำนวณและเขียนค่าประมาณครึ่งหนึ่งของคอลัมน์จำนวนเต็มใหม่โดยเฉลี่ยทุกครั้งที่ลบบทความ
สุดท้ายแล้ว เมื่อเทียบกับฟีเจอร์ที่ออกแนวของเล่น วิธีของ Wikipedia ก็ถือว่า “ดีพอ” และสามารถลดข้อเสียได้ด้วยการคำนวณเลขสุ่มใหม่เป็นงาน batch รายวัน/รายสัปดาห์ หรือทุกครั้งที่มีการแก้ไขบทความ
จากวิธีเดิม ยังปรับปรุงได้มากด้วยการไม่เลือกแค่บทความที่ใกล้ที่สุดหนึ่งบทความ แต่เลือกประมาณ 50 บทความก่อนหน้าและหลังหน้า แล้วสุ่มอีกทีจาก 100 บทความนั้น
เป็นการแฮ็กแบบสุด ๆ แต่ในทางปฏิบัติก็น่าจะยังเร็วมาก
ถ้าสุ่มจำนวนเต็มตั้งแต่ 1 ถึง N ก็มีโอกาสได้ผลลัพธ์ที่ไม่ดี
คิดถึงสแปมแล้ว เพจที่ไม่ดีอาจมีมากกว่าเพจที่ดีก็ได้ไม่น้อย และถ้าเป็นแบบนั้นก็ต้องสุ่มใหม่หลายครั้ง
ผมมองว่าการสุ่มใหม่เป็นกลยุทธ์ที่โอเค แต่ยากจะคิดว่าทุกคนจะเชื่อความน่าจะเป็นนั้นเฉย ๆ
ถ้าสร้างวิกิที่มีเพจเสีย 99 หน้าและเพจดี 1 หน้า ปุ่มบทความสุ่มก็คงแทบใช้ไม่ได้
จะสุ่มจาก 1 ถึง M ตามจำนวนบทความที่ถูกต้องก็ได้ แต่ปัญหาเดิมยังเหลืออยู่ คือจะ map ตัวเลขนั้นไปเป็น ID บทความจริงอย่างไร
วิธีนี้อาจมีอคติ แต่มี ประสิทธิภาพแบบเวลาคงที่
ส่วนตัวแล้ว ผมชอบวิธีเก็บบทความที่ถูกต้องทั้งหมดไว้ในหน่วยความจำแล้วเลือกมาหนึ่งบทความมากกว่า
ณ เดือนตุลาคมมีแค่ 7 ล้านบทความ และแม้รวมบทความที่ถูกลบก็น่าจะราว 70 ล้าน ซึ่งมีขนาดใกล้เคียงกับจำนวนรายการทั้งหมดของ HN
กระทั่งสร้างไฟล์หนึ่งไฟล์ต่อหนึ่งบทความที่ถูกต้องไว้บนดิสก์ แล้วค้นหาแบบสุ่มด้วย
find . -type f | shuf -n 1จากนั้น cache ผลลัพธ์ไว้ทุกไม่กี่วินาที ก็น่าจะไม่ได้แย่มาก แม้มันจะมีอคติในแบบของมันเองก็ตามมันเป็นฟีเจอร์เล่น ๆ ล้วน ๆ ดังนั้นถึงน้ำหนักจะไม่เท่ากันก็ไม่ได้สำคัญมาก และมีคนบอกว่าใน MariaDB นั้น
ORDER BY RAND() LIMIT 1จะสแกนทั้งตารางremote cache อยู่ภายใน data center เดียวกัน มี persistent storage หนุนหลัง และตั้ง TTL ให้ยาวได้
ระหว่าง TTL ของ cache อาจสุ่มไม่เจอบทความที่ถูกกู้คืนกลับมา แต่ก็ไม่เป็นไร
ความเป็น local ของ data center ช่วยให้มี fault tolerance ระดับหนึ่งและ latency ต่ำ ส่วน persistent storage ช่วยลดปัญหา cold cache ตอนรีสตาร์ต
maximum watermark ของช่วง ID จะอัปเดตแบบ asynchronous ก็ได้ และบทความใหม่ไม่ปรากฏให้เห็นชั่วคราวก็ไม่เป็นไร
แต่ปรากฏว่าเป็นแค่เรื่องบังเอิญ
implementation ปัจจุบันยิ่งจำนวนบทความเพิ่มขึ้น น้ำหนักก็ยิ่งใกล้เคียงกันโดยประมาณ และผู้ใช้แต่ละคนก็น่าจะไม่ค่อยสนใจเรื่องความยุติธรรมอยู่แล้ว ตราบใดที่ได้บทความแบบสุ่มมาหนึ่งบทความ จึงก็พอสมเหตุสมผล
การที่เราหาข้อมูลอย่างผีเสื้อกลางคืนธรรมดา ๆ ของเปรู หมู่บ้านเล็ก ๆ สักแห่งในอิหร่าน หรือบทอ่านสำหรับวันอาทิตย์ในอังกฤษยุควิกตอเรีย ได้ในที่เดียวกันนี่น่าทึ่งจริง ๆ
ก่อนยุคอินเทอร์เน็ต เนื้อหาแบบนี้คงไม่คุ้มค่ากระดาษที่จะพิมพ์ด้วยซ้ำ แต่ตอนนี้ต้นทุนการเก็บข้อมูลบนคลาวด์แทบเป็นศูนย์ เราจึงได้ ข้อมูลหางยาว ที่มีคุณค่าอย่างมหาศาล
ขอบคุณคนที่ร่วมเขียนและดูแลเนื้อหาเหล่านี้
เพิ่มเติมคือ ถ้าสามารถทิ้งโน้ตไว้ในบางหน้าได้ว่า “ฉันเคยเข้าชมหน้านี้ และอยากเชื่อมต่อกับคนอื่นที่สนใจผีเสื้อกลางคืน Foovius Barivius ของเปรู” อะไรแบบนี้ คงเจ๋งมาก
https://gwern.net/inclusionism
เช่น อาจมีฟีดแนวตั้งแบบ TikTok ที่หาเรื่องที่ผู้ใช้มีแนวโน้มจะดูนานที่สุดให้ และ WikiScroll ก็ไปในทิศทางนั้นอยู่บ้างแล้ว
จะติด chat room ให้แต่ละบทความเพื่อให้คนคุยกัน หรือมีฟีเจอร์ DM แต่ให้ส่งได้เฉพาะลิงก์ Wikipedia ก็เป็นไปได้
ไอเดียเรื่อง Wikipedia ในฐานะตัวเร่งปฏิกิริยาทางสังคม น่าสนใจมาก
https://wikiscroll.blankenship.io/
ถ้าคุณทิ้งโน้ตไว้บนหน้า คนอื่นที่ติดตั้ง extension เดียวกันจะเห็นได้ และถ้าโชคดีก็อาจมีคนติดต่อมา
สำหรับผม มันคือส่วนที่ดีที่สุดของอินเทอร์เน็ต
สามารถพิสูจน์ทางคณิตศาสตร์ได้ว่าใน Wikipedia ไม่มีบทความไหนที่ไม่น่าสนใจเลย
พิสูจน์ด้วย การพิสูจน์โดยข้อขัดแย้ง ก็ได้
จัดอันดับบทความทั้งหมดตามระดับความน่าสนใจ แล้วเรียงลำดับเพื่อดูค่าต่ำสุด ก็จะต้องมีบทความที่น่าเบื่อที่สุดอยู่แน่นอน
แต่ข้อเท็จจริงที่ว่าบทความนั้นเป็นบทความที่น่าเบื่อที่สุดใน Wikipedia ทั้งหมด ในตัวมันเองก็ทำให้บทความนั้นน่าสนใจขึ้นมา
ในทำนองเดียวกัน บทความที่มียอดเข้าชมน้อยที่สุดที่กล่าวถึงในบล็อกโพสต์นี้ ตอนนี้ก็น่าจะเสียสถานะนั้นไปแล้ว
ดูเหมือนจะสมมติว่ามีบทความที่น่าเบื่อที่สุดอยู่เพียงบทความเดียวพอดี
แต่ก็อาจมีบทความหลายร้อยบทความที่มีระดับความน่าสนใจต่ำสุดเท่ากัน และถ้าเป็นแบบนั้น บทความหลายร้อยบทความนั้นก็ควรถือว่าเป็นบทความที่ไม่น่าสนใจ
แถมยังต้องคำนึงถึงความน่าสนใจจากการเป็นบทความที่น่าเบื่อรองลงมาด้วย
น่าจะจริงแหละ ดังนั้น QED
จนกว่าจะมีใครหาบทความที่น่าเบื่อที่สุดเจอแล้วคิดถึงมัน บทความนั้นก็ยังไม่ได้น่าสนใจ
สมบัติทางคณิตศาสตร์เป็นนิรันดร์ และมีอยู่ไม่ว่าใครจะเห็นหรือไม่ก็ตาม
นึกถึงซีรีส์ของ Geoff Marshall ที่พูดถึง Least Used Stations ของ Network Rail ในสหราชอาณาจักร
https://www.youtube.com/playlist?list=PLt4q5oaptyI9U2zddss8dm8srzuJj6nRz
https://www.youtube.com/@geofftech2
ผู้ดูแล Wikipedia ค่อนข้างกระตือรือร้นในการลบบทความที่พวกเขาอ้างว่าไม่สำคัญ ดังนั้นบทความที่มียอดเข้าชมน้อยที่สุดน่าจะเปลี่ยนอยู่ค่อนข้างบ่อย
อาจมีการเล่นตุกติกจากฝั่งหน่วยข่าวกรองด้วยก็ได้
เป็นวิธีที่ดีมากในการลบข้อเท็จจริงทางประวัติศาสตร์ที่ทำให้ไม่สบายใจ
ตอนนี้มันกลายเป็นแค่เรื่องเล็ก ๆ ตลก ๆ เกี่ยวกับรูทคิต ที่ไม่มีแผนสมคบคิดทางการเมืองเฉพาะเจาะจงใด ๆ เลย
ตัวอย่างเช่น น่าจะยากที่จะหาเมือง เทศบาล หมู่บ้าน หรือชุมชนเล็ก ๆ ในสหรัฐฯ ที่ไม่มีบทความใน Wikipedia
ดู Jack Wade, Alaska สิ ใน Google Maps เห็นบ้านอยู่ราว 8 หลังเท่านั้น แต่ก็ยังมีใน Wikipedia
บทความเกี่ยวกับผีเสื้อกลางคืนสายพันธุ์หายากก็คงไม่น่าจะถูกลบ
อย่างไรก็ตาม ถ้าจะไม่ให้ทุกคนบนโลกมีบทความ Wikipedia ของตัวเอง ก็จำเป็นต้องมีนโยบายบางอย่าง
Google Maps: https://www.google.com/maps/place/Jack+Wade,+AK+99732/@64.1519419,-141.4630071,448a,35y,3.16t/data=!3m1!1e3!4m6!3m5!1s0x5149e998873be075:0x2f1a9ca47f03bf1b!8m2!3d64.1526072!4d-141.4604683!16s%2Fm%2F0480bm5?entry=ttu
Wikipedia: https://en.wikipedia.org/wiki/Jack_Wade,_Alaska
แต่อาจมีข้อยกเว้นคือการก่อกวนที่เกิดขึ้นเพราะสถานะอันแปลกเฉพาะนี้ถูกเปิดเผย
ขอแอบบอกคนที่สนใจว่า อาจเป็นผลพลอยได้จากชุดข้อมูลที่ผู้เขียนใช้ แต่หนึ่งในจุดร่วมของบทความที่มียอดเข้าชมน้อยที่สุดคือ หัวข้อของมันอยู่ในหมวดที่ตามแนวทางเนื้อหาของ Wikipedia แล้วโดยปกติไม่ใช่เป้าหมายของการลบ
ผู้เขียนบอกว่าบทความเกี่ยวกับผีเสื้อกลางคืนไม่น่าจะเปิดโอกาสให้ผลักดันมุมมองที่เป็นข้อถกเถียง แต่ถ้าดูประวัติการแก้ไข จะเห็นว่าต้นปีนี้มีความเห็นไม่ตรงกันเรื่องความกว้างปีกของ Scrobipalpula crustaria
11–13mm หรือ 10–13mm กันแน่?
ผู้คนมีอารมณ์แรงกับเรื่องแบบนี้
ถ้าหาชื่อบทความ Wikipedia ที่มียอดเข้าชมน้อยที่สุดแล้วเปิดเผย ยอดเข้าชมของบทความนั้นก็จะเพิ่มขึ้น ทำให้เหตุผลที่หาเจอตั้งแต่แรกหายไป
https://en.m.wikipedia.org/wiki/Observer_effect_(physics)
มีปัญหาอะไรหรือ?
ถ้าพูดอย่างยุติธรรม นี่เป็นการวิเคราะห์ชุดข้อมูลของปี 2021 ดังนั้นแน่นอนว่าไม่ได้รับผลกระทบ
ต่อให้หาเจอหนึ่งคำ ทันทีที่บอกให้คนอื่นรู้ว่ามันมีอยู่ มันก็ถูกทำลายแล้ว
ดู
quizzaciouslyได้เลยแม้จะเป็นบทความมากกว่า 6 ล้านบทความ แต่ 6.0e6 ก็เป็นจำนวนที่ brute force ได้มาตั้งแต่หลายสิบปีก่อนแล้ว
การค้นหาแบบเชิงเส้นอาจใช้เวลาน้อยกว่าการอ่านบทความ และแทบจะแน่นอนว่าใช้เวลาน้อยกว่าการเขียนบทความ
แน่นอนว่าถ้าทำแบบนั้นก็คงไม่สนุกหรือฉลาดเท่านี้ แต่ good engineering แทบจะเป็นแบบนี้เสมอ