Mil millones de ediciones entre todos los proyectos Wikimedia

Hace unos minutos se ha alcanzado la cifra de 1.000.000.000 de ediciones (el billón inglés) entre todos los proyectos de la Fundación Wikimedia.


Ha coincidido con la Conferencia de Wikimedia en Berlín, de casualidad : ) Enhorabuena y gracias por crear esta enorme cantidad de conocimiento libre para el mundo.

Wikiestadísticas

https://sites.google.com/site/emijrp/anlisis-de-wikis

La sociología del vandalismo

De "El blog de AVBOT":

Una de las ventajas de estar realizando el programa sobre un proyecto tan grande y tan dinámico como Wikipedia, y a la vez tan trasparente, es que tengo acceso a ingentes cantidades de datos derivados de la ejecución diaria del robot.

Entre las gráficas más expresivas que he generado se encuentra la siguiente:

Vandalismos por día durante el año 2008

En ella se observan los vandalismos que se realizaron durante casi todo el año 2008. Se observan dos grandes caidas. La primera entorno a los meses de junio-julio-agosto, y la segunda ocupa diciembre de 2008 y enero de 2009.

No cuesta imaginar el motivo de los descensos. En junio-julio-agosto la gente del hemisferio norte se va a la playa (en el hemisterio sur es invierno y coincide con algún mes de vacaciones de colegio) y deja de vandalizar, a finales de año todo el mundo está más ocupado con las fiestas y las vacaciones de Navidad.

Las constantes subidas y bajadas son las semanas. Los valles son los fines de semana (en los que la gente también deja en paz a Wikipedia), y los picos son los miércoles, que debe ser cuando están más aburridos en el trabajo, supongo.

Tengo algunas gráficas más. Las iré poniendo más adelante.

Por si hay algún desconfiado, sé que las ediciones generales caen un poco también, pero no en la misma proporción que la caida del vandalismo. De todas formas he repetido la gráfica en términos porcentuales, y tiene la misma silueta.

El 25% de los hits vienen de Google

Hoy 31 de enero Google ha tenido algún problema que hacía imposible pinchar en los resultados de búsqueda. Todos salían como "sitios dañinos", e impedía cargar las páginas. Esto ha debido tener grandes efectos en todas las páginas web del planeta, pero nosotros solamente tenemos acceso a los gráficos de tráfico de una de ellas, Wikipedia.

El efecto puede observarse entre las 14 y las 15 horas UTC. Ha durado en torno a 40-50 minutos. Ha habido una pérdida de 10000 peticiones por segundo, el 25% de las peticiones en ese momento, contando todos los proyectos de la Fundación y en todos los idiomas.

Ya sabemos que pasaría si algún día Google empieza a ser evil, y nos elimina de sus resultados ;). Ideas de donde proviene el resto del tráfico: gente que ya estaba dentro de Wikipedia consultándola, wikipedistas empedernidos recargando cambios recientes, otros buscadores...

Previsualizar, ¡qué coñazo!

Racso me sugirió que comparase las ediciones realizadas por IPs y que terminan revirtiéndose. Esto ya se habló en el hilo de diciembre, aunque no quedó muy claro. Se discutía si la "previsualización obligatoria" impuesta a los anónimos había afectado positiva o negativamente (¿perdemos ediciones buenas de anónimos? ¿o por el contrario nos libramos de vandalismos de anónimos?).

Según los cálculos, en cuanto a porcentaje no ha variado nada. En términos totales y suponiendo que la previsualización sea la causa del descenso de ediciones anónimas, han bajado los vandalismos de anónimos pero también las colaboraciones positivas. Es decir, la previsualización obligatoria no sirve de nada. Los anónimos se largan por igual si pensaban vandalizar o si pensaban hacer una colaboración benigna.

Santiperez preguntó "¿ha aumentado el número de usuarios registrados o el número de ediciones útiles de usuarios registrados desde que se implantó la previsualización? Porque igual lo que perdemos por un lado lo ganamos por otro."

Parece que no. Se muestra abajo el mismo análisis pero esta vez para usuarios registrados (incluyendo admins y excluyendo bots). Para que sucediese lo que dice Santiperez, la línea azul marino debería solaparse con la roja (estimación) para absorber a los anónimos que desaparecen misteriosamente en la gráfica de más arriba.

Pero no se produce, no hay el incremento de ediciones de usuarios registrados que se esperaría si los anónimos se registrasen al ver que tienen que previsualizar. Hay realmente una pérdida de potencia editora. Y esta pérdida no existe en editores registrados, por lo que unido a que la caida comenzó en mayo, sería muy extraño que la previsualización no tenga nada que ver.

Creo que deberíamos desactivar la previsualización obligatoria para observar si se recupera el ritmo anterior de ediciones anónimas. Por cierto, mirando la gráfica de porcentajes sólo 1 ó 2 ediciones de cada 100 pertenecientes a usuarios registrados acaba siendo revertida, comparado con el 15-20% de ediciones anónimas que terminan siendo deshechas. Quizás alguien esté pensando en cerrar el grifo a los anónimos para evitar que modifiquen la enciclopedia, pero no olvidemos que cada día hacen unas 3000 ediciones válidas.

> Seguir debate en el Café.

Bienvenidos a la República Dominicana

El artículo sobre Barack Obama de la inglesa tuvo ayer 2,3 millones de visitas. Más de cuatro veces el tráfico que tiene nuestra portada.

Como decía aquel chiste y observando la curiosa forma de la gráfica podemos decir: Bienvenidos a la República Dominicana.

Acertijo: Sobre enlaces rojos (Solución)

Analizar el dump de la inglesa llevó un tiempo más que la nuestra, aun así fue rápido. Allí tienen 143 millones de enlaces rojos o azules al espacio de nombres principal, 9.067.964 si no contamos repeticiones. De éstos, 5.339.363 son rojos. Esa es la solución.

¿Habrá alguna ley que relacione número de artículos, número de páginas y número de enlaces? ¿Hasta cuando seguirá creciendo el número de enlaces rojos? El conocimiento humano (enciclopédico) debe ser finito. Ahora estamos subiendo la pendiente en la gráfica, ¿cuándo empezaremos a bajarla para dar por terminada la tarea? ¿Nunca?

Ganaron Rastrojo, Bigsus, Gizmo y Millars.

Caja tonta

¿Alguien esperaba que llegaran entre 2000 y 3000 lectores al día al artículo de Televisión desde la redirección Caja tonta?

Hagan redirecciones señores, hay que darle difusión a los artículos a través de palabras y expresiones cotidianas. Atraen visitantes.

Actualización: El motivo de que tenga tantas visitas es que el web crawler de Google ha indizado el artículo televisión a través de Caja tonta.

Acertijo: Sobre enlaces rojos

Wikipedia en español tiene 370.000 artículos, aunque si contamos todos los espacios de nombres tenemos 1.100.000 páginas.

Analizando el dump pagelinks, se extrae que existen más de 12 millones de [[enlaces rojos o azules]] a artículos del espacio de nombres cero, el principal, 1.833.874 si no contamos repeticiones. Cruzando esos datos con el dump alltitles, podemos saber cuantos enlaces rojos tenemos, es decir, cuantos artículos nos faltan por crear. Esta cifra no es real, pues alguien puede crear hoy un artículo e incluir un enlace rojo que hasta ayer no existía. Pero más o menos es una medida de lo mínimo que nos queda por crear.

Programé un script y analicé los datos. Para la española salen 1.326.089 [[enlaces rojos]] distintos, es decir, nos faltan por crear al menos 1.326.089 artículos, para que toda la enciclopedia esté compuesta de enlaces azules. Pero conforme se crean más artículos, el número de enlaces rojos aumenta, aunque no se sabe por cuanto tiempo seguirá sucediendo esto.

Ahora viene el acertijo, ¿qué debe salir al aplicar el script a Wikipedia en inglés? ¿Debe salir menos de 1.300.000 ya que es más completa? ¿Debe salir una cifra similar? ¿Debe salir más pero siguiendo una proporción equivalente en función del número de artículos de la inglesa? ¿O debe salir un número desproporcionado y fuera de todo pronóstico?

Yo ya lo sé. Espero vuestras respuestas.

Solución: Hasta el domingo 15 de junio

No crecemos

Estoy volviendo a hacer estadísticas, comparando periodos y no me salen las cuentas. De momento solo me he fijado en los usuarios nuevos. Estos son los datos:

Periodos:

• 1 de enero de 2006 — 31 de mayo de 2006: 53650 usuarios nuevos
• 1 de enero de 2007 — 31 de mayo de 2007: 100490 usuarios nuevos
• 1 de enero de 2008 — 31 de mayo de 2008: 101291 usuarios nuevos (contando el 29 de febrero)

Del primer periodo al segundo hay un incremento en el crecimiento de usuarios nuevos de casi el 100%, mientras que del segundo al tercero podríamos decir que no hay incremento alguno. Es decir, sí que se registran usuarios nuevos, pero no a mayor ritmo como cabría esperar. ¿Nos hemos estancado?

Los cientos de dientes de sierra son semanas, donde el pico del diente es el miércoles-jueves, y los valles de alrededor son los findes de semana, cuando decae la actividad. Es posible observar varias mesetas correspondientes a bloques anuales, e incluso el último de ellos parece hasta inferior al del año anterior, pero en realidad no ha cambiado.

¿Alguna explicación? Se está discutiendo en el Café.

Francia y botánica

Esos son los dos temas que más artículos nuevos producen últimamente, localidades de Francia y géneros de plantas. Los primeros creados en su mayoría por B25es, los segundos por MILEPRI.

Decir también que en los dos últimos días, los usuarios anónimos encabezaban la lista de creaciones por bytes. ¿Alguien dijo de prohibir a los anónimos la creación de artículos nuevos?

Más imágenes y a mayor resolución

Esta vez le toca a Commons. Os presento tres gráficas que analizan la totalidad de imágenes disponibles en la comuna, unos 2 millones.

La primera muestra el número de imágenes subidas por mes. En este momento aumenta a razón de 4.000-5.000 imágenes nuevas por día, 140.000 al mes. Las zonas picudas son debidas a bots que suben imágenes en masa (sí, también hay bots para eso).La siguiente analiza el tamaño en kilobytes de todas las imágenes subidas en un mismo mes, calculando la media. Como es apreciable, el peso de las imágenes es cada vez mayor, pasando de unos 200 KB en el comienzo de los tiempos de Commons, hasta la media de 700 KB por imagen de hoy día.
Por último, otra gráfica, también ascendente, y es que la comuna goza de buena salud. Deja entrever la mejora de resolución de las imágenes que se suben. Podría intuirse que la calidad cada vez mayor de las cámaras digitales tiene la culpa y está reflejada en la línea. La subida abrupta de mayo de 2005 y febrero de 2006 está de nuevo causada por bots que han debido subir algunos miles de imágenes provenientes de alguna colección de alta calidad. Eliminando esos datos que se salen de la norma, la tendencia es al alza, pasando de 1 megapixel a finales de 2004 a 2,5 megapixels en 2007.
Más información: Wikipedia en español en gráficas

Gráficas de Wikipedia en español

Algunas reflexiones:

Las IPs hacen entorno al 30% de las ediciones totales, más de 2.700.000 en conjunto sobre las 10.600.000 que se han hecho hasta la fecha en toda la historia de Wikipedia en español.

Las líneas de spam y reversiones son bastante bajas (en comparación con las totales), y es que apesar de que (en septiembre de 2007) hubo 924 ediciones declaradas como spam y 42.428 reversiones, el número total de ediciones ese mes fue de 653.138.

El número de usuarios nuevos decae en los meses de verano, y probablemente en Navidad, aunque en diciembre de 2006 Wikipedia tuvo bastantes problemas de acceso. Estamos en ligero ascenso ahora mismo, aunque es posible que estas navidades vuelva a caer en picado para subir en enero de manera abrupta.

Por último rompamos una lanza a favor de las ediciones anónimas:

Sabiendo que en septiembre de 2007 se hicieron 42.428 reversiones (seguramente por vandalismos), aunque en el caso de que absolutamente todas esos vandalismos fueran realizados por IPs aun nos quedarían alrededor de 150.000 ediciones anónimas válidas.

Commons Store

Ya sabía yo que subir tantos libros escaneados a Commons no iba a salir barato. Recientemente se ha calculado quienes son los usuarios (webcite) que más bytes han subido a Commons, resultando que GerWsUpload (un bot que sube scans de libros en alemán) ha subido 45,5 gigas e Infrogmation 17,6. Yo unos 200 megas, que no es poco.

Fuente: Wikipedia Signpost

La inglesa ya tiene 2 millones

Hoy domingo 9 de septiembre de 2007 la inglesa ha sobrepasado los 2 millones de artículos. Han tardado 18 meses en duplicar. ¿Llegaremos nosotros al millón antes de que ellos logren duplicar de nuevo?

Wikipedia en español ofrece alternativas libres al 75% de los artículos de Encarta

Wikipedia recorta terreno a las enciclopedias tradicionales. En un estudio pormenorizado de los artículos existentes en ambas enciclopedias para cada área del saber se ha comprobado que Wikipedia en español ofrece alternativas libres para el 75% de los artículos de Encarta (webcite).

La enciclopedia de Microsoft contiene alrededor de 42.000 artículos, mientras que la versión en español de Wikipedia ya va por los 260.000. Es decir, 10.500 artículos tratados en Encarta no existen todavía en la enciclopedia libre. Esto es así porque los editores voluntarios tratan temas que a ellos les parecen más urgentes o de actualidad, dejando de lado algunos temas por desconocimiento. En Encarta no encontrareis por ejemplo la Masacre de Virginia Tech o el Terremoto de Perú de 2007, acontecido hace unos días. Por cierto, si hacemos una búsqueda con las palabras "masacre virginia" nos ofrecerán artículos sobre Virginia, y abajo en la zona de "Resultados de la búsqueda de Windows Live®" enlazan en primer lugar al artículo de Wikipedia en español.

Es posible seguir el progreso de Wikipedia en alcanzar todos los artículos de Encarta. Las áreas de "Calendarios y fiestas", "Países", "Personajes de la historia" y "Metrólogía" están al 100% si bien la gran mayoría de temas se encuentran entre el 70 y el 80% de desarrollo.

El tamaño de Wikipedia en inglés

De todos es sabido que Wikipedia en inglés es la mayor de todas las Wikipedias, y que la cantidad de información de la que dispone es abrumante. Pero seguramente no te habrás parado a pensar en cuantos megabytes ocupa, o cuanto papel se necesitaría para imprimir un ejemplar de Wikipedia en inglés.


Pues bien, un usuario (Nikola Smolenski) se tomó la molestia de hacer los cálculos y de hacer un dibujo más que representativo. Su descripción dice así:

Usando volúmenes de 25 cm de alto y 5 cm de ancho (en torno a 400 hojas), cada página a dos columnas y 80 líneas, cada línea con 50 caracteres, hacen 6 megabytes por tomo. Como la inglesa ocupa unos 4,4 gigabytes, esto hace 750 volúmenes. Tener en cuenta que son cálculos aproximados y que esto no incluye imágenes, ni tablas ni otros elementos que a buen seguro ocupan mucho más que el texto.

Aunque estos datos sean orientativos, y sabiendo que Wikipedia en inglés crece a unos 2.000 artículos nuevos al día, está bien claro que habría que talar bastantes árboles para imprimir un solo ejemplar de la enciclopedia, y que tendríamos que comprarnos una buena casa, con un buen salón para poder alojar la estantería. Menos mal que existen los DVDs.

Como curiosidad, la silueta del hombre que posa junto a los libros es la del mismo ser humano que representa a la humanidad en la placa de la Pioneer.

Imagen: Nikola Smolenski, GFDL y CC-by-sa-2.5,2.0,1.0 http://en.wikipedia.org/wiki/Image:Size_of_English_Wikipedia.svg

Más información:
http://en.wikipedia.org/wiki/Wikipedia:Size_of_Wikipedia
http://download.wikimedia.org/enwiki/20070527/