Wikiproyecto:Wikidemia

Entre las disciplinas relacionadas con este proyecto se encuentran:

• Estadística (Estadística Descriptiva y Probabilidad)
• Minería de datos
• Reconocimiento de patrones
• Computación

Generalmente, la fuente más importante a la hora de analizar Wikipedia son los dumps. Estos pueden exigir un preprocesado antes de realizar el análisis propiamente dicho. Con posterioridad, los resultados pueden representarse utilizando algún software de análisis estadístico (Lenguaje R) u hoja de cálculo (Gnumeric), ambos libres.

A continuación se recomienda una estructura para conseguir uniformidad en los estudios:

• Planteamiento: lo que se pretende estudiar, cómo se va a abordar, si es recomendable repetir el análisis cada cierto tiempo...
• Recursos: qué datos se van a tomar y de dónde, detalles de la implementación, programas y documentación utilizadas
• Dificultades a superar: problemas a los que nos enfrentamos a la hora de conseguir datos, complejidad del análisis, ambigüedad en los datos...
• Desarrollo/Análisis: ¿los datos necesitan preprocesado?, tiempo de ejecución, resultados intermedios.
• Interpretaciones: cualquier idea, interpretación u opinión que sugieran los datos expuestos. Es un paso previo a las conclusiones.
• Conclusiones: qué hemos concluido de este estudio, material obtenido (cvs, gráficas)...

Se sugiere que los datos, resultados parciales, scripts que se han derivado de cada uno de los estudios, sean liberados en la medida de lo posible, para corregir posibles errores, reinterpretar los datos, etc.

• ¿Las votaciones de borrado que desenlace suelen tener? ¿Que proporción de creaciones/borrados hay? (ver subpágina)
• ¿Se siguen registrando usuarios al mismo ritmo que tiempo atrás? ¿Qué porcentaje de cuentas de usuario llegan a usarse finalmente? ¿Por qué? ¿Pasa lo mismo en otros idiomas? ¿Cómo se puede convencer a los que se registran para que se involucren en el proyecto? ¿Es eficaz dar bienvenidas? ¿Qué mensaje de bienvenida convence más? ¿Cuál es la relación entre población, penetración de internet y ediciones en Wikipedia? ¿Una mayor cantidad de internautas hispanos nos daría más actividad o es mejor ampliar el porcentaje de la sociedad involucrada con el proyecto? (ver subpágina)
• ¿Qué cantidad de Artículos buenos y Artículos destacados ha tenido Wikipedia a lo largo del tiempo? ¿Se están promoviendo más (o menos) artículos que antes? ¿Qué impacto tienen los concursos como el Wikiconcurso o el Wikirreto en la cantidad de artículos promovidos? ¿Qué factores adicionales hacen que se genere más actividad de este tipo? (ver subpágina)

• El papel de los usuarios anónimos a lo largo de la historia

• ¿Quién aporta la mayor parte del contenido?
• ¿Qué proporción de artículos controvertidos/pacíficos existe? ¿Cuáles son? ¿Cuáles son las formas más efectivas de resolver los conflictos en los artículos y cuáles suelen usarse? (Protecciones, consenso, largas discusiones, bloqueos a usuarios)
• ¿Es Wikipedia un ambiente hostil? ¿Cuál es la vida media de un usuario registrado? ¿Motivos de la marcha? ¿Porcentaje de usuarios activos nunca bloqueados?
• ¿Es eficaz el sistema wiki para crear artículos de calidad? ¿Qué porcentaje de artículos de calidad reconocida (AB, AD) han sido considerablemente ampliados/estructurados/reformados por un solo usuario (o un grupo pequeño de éstos)? ¿Qué tanto llega a desarrollarse un artículo de forma natural mediante la colaboración general?
• ¿Qué país tiene más presencia en Wikipedia en español? ¿Ha variado esto en el tiempo? ¿Cómo podemos mejorar la participación de otros países? Proporcionalmente, ¿los usuarios de distintas nacionalidades editan por igual? Si no es así, ¿qué factores lo determinan?

• ¿Cuáles son las más habituales formas de vandalismo?
• ¿Cómo puede reducirse el vandalismo?
• ¿Cuánto tiempo permanecen los vandalismos antes de ser revertidos? ¿Cómo puede revertirse de forma más rápida?
• ¿Cuán eficaces son los robots antivándalos? ¿Cómo podemos mejorarlos?
• ¿Quién lucha contra el vandalismo y en que proporción? (Registrados, administrados, anónimos, robots)
• ¿Qué efectos tienen las semiprotecciones y protecciones sobre las ediciones valiosas y el vandalismo?

La Fundación Wikimedia pone a disposición de todo el mundo la posibilidad de descargar (desde http://download.wikimedia.org/) las copias de seguridad de las bases de datos de los proyectos (tanto de Wikipedia como de los proyectos hermanos), a excepción de las tablas que contienen información sensible, como contraseñas. En el caso de Wikipedia en español se encuentra en http://download.wikimedia.org/eswiki/.

• Cómo procesar los dumps con python
• Cómo procesar los dumps SQL
• Cómo realizar gráficos sencillos

• Logs de visitas: http://dammit.lt/wikistats/

• Gnumeric: http://projects.gnome.org/gnumeric/
• Python: http://www.python.org/
• R: http://www.r-project.org/ (Estadística Básica con R y R-Commander)
• Weka: http://www.cs.waikato.ac.nz/ml/weka/

• Wikipedia:Estadísticas
• m:Research
• m:Statistics

•   Wikimedia Commons alberga una categoría multimedia sobre Wikipedia statistics.
• wiki-research-l - Lista de correo sobre investigación en Wikipedia (en inglés)
• Wikipedia: A Quantiative Analysis - Tesis doctoral de User:GlimmerPhoenix
• Wikipedia:Wikipedia Signpost/2009-01-03/Editing stats - Estudio de User:Dragons flight en el que se revela que la actividad de Wikipedia en inglés está sufriendo un ligero retroceso en los últimos tiempos
• http://wiki.dbpedia.org/