In der aktuellen Debatte, die zum meistkommentierten Beitrag auf diesem Blog geführt hat, wurde häufig in verschiedenen Ausprägungen die Behauptung aufgestellt, dass die deutschsprachige Wikipedia tendenziell exklusionistisch eingestellt ist und die englischsprachige Wikipedia tendenziell inklusionistisch.

Kai Biermann behauptete so in einem Artikel in der Zeit gar “In der englischen Wikipedia haben letztere [die Inklusionisten] die Oberhand, in der deutschen erstere [die Exklusionisten].”

Diese Aussagen werden allerdings nicht belegt. Während es richtig ist, dass es in der englischensprachigen Wikipedia beispielsweise zu jeder Simpsons-Folge einen Artikel gibt, dieses aber zu meinem Bedauern in der deutschsprachigen Wikipedia unerwünscht ist, ging in der Debatte auch der Link zum Lemma Bauchnabelfussel durch die Netzgemeinde (den es zugegebenermaßen auch in der englischsprachigen WP gibt).

Ich persönlich glaube allerdings nicht daran, dass Löschungen in der englischsprachigen WP grundsätzlich anders behandelt werden, als im deutschen Schwesterprojekt. Das kann ich aber genauso wenig belegen… damit ist es also mal wieder Zeit für etwas Wikipedistik!

Ich habe mir die Löschkandidaten von August und September diesen Jahres in beiden Sprachversionen angeschaut und untersucht, wie viele davon “erfolgreich” (je nachdem, wie man es nimmt…) waren. Die dazu verwendete Metrik habe ich vergleichsweise einfach gewählt:

Ich extrahiere die Löschkandidaten-Seiten pro Tag und zähle die Löschanträge im Artikelnamensraum, anschließend schaue ich mir an, ob die Lemmata jetzt noch existieren oder nicht.

Die Ergebnisse haben mich erstaunt. Während ich nicht von grundsätzlichen Unterschieden ausgegangen bin, hätte ich mir schon vorstellen können, dass die englischsprachige Wikipedia zumindest leicht zum Inklusionismus tendiert. Tatsächlich ist das Verhältnis von durchgeführten Löschungen zur Anzahl der Löschkandidaten nahezu gleich.

Von den englischen Löschkandidaten im August 2009 wurden 59,17 % der Artikel gelöscht. Im gleichen Zeitraum traf 61,08 % der deutschen Artikel dasselbe Schicksal. Im September drehte sich das Blatt – während 61,04 % der englischen Artikel ins Gras beißen mussten, wurde “nur” 59,5 % der deutschen Artikel gelöscht.

Fasst man beide untersuchten Monate zusammen, so ergibt sich folgendes Bild:

Im untersuchten Zeitraum wurden also in beiden Sprachversionen 60 % der Löschanträge im Sinne des Antragstellers entschieden. Legt man die Annahme zugrunde, dass Löschanträge in der englischsprachigen WP nicht grundsätzlich anders gestellt werden, als in der deutschsprachigen WP, scheint mir viel dafür zu sprechen, dass es keine großen Unterschiede in diesem Bereich zwischen den beiden Sprachversionen gibt.

Ich habe für den 1.-14. September eine Gegenprobe zum Test der Metrik gemacht, indem ich die Löschkandidaten-Ergebnisse per Hand ausgezählt habe. Aufgrund von verschiedenen Faktoren (z.B. Falschschreibungen, doppelten Inhalten) habe ich im Testzeitraum die tatsächlichen Werte mit der gewählten Metrik leicht überschätzt. Für die Wahl spricht aber, dass sie verständlich, nachvollziehbar und leicht reproduzierbar ist (und vor allem: einfach automatisiert werden kann).

Dennoch muss man natürlich festhalten: Eine rein quantitative Untersuchung kann zwar Anhaltspunkte geben und als Ausgangspunkt für weitere Hypothesen dienen – für eine umfassende Erklärung braucht man allerdings eine qualitative Methode.

So ist in der englischsprachigen Wikipedia die Gesamtzahl der Löschanträge (5.135) im untersuchten Zeitraum in Bezug zum gesamten Artikelkorpus (~3.070.000 Artikel) niedriger, als die Zahl der Anträge (3.256) in der deutschsprachigen Version (~970.000 Artikel).

Ob das nun wiederum daran liegt, dass in der deutschsprachigen Wikipedia schneller zum Mittel eines Löschantrags gegriffen wird – oder ob die Artikel in der deutschsprachigen Wikipedia gar im Schnitt schlechter sind, als die in der englischsprachigen Wikipedia, so dass ein Löschantrag eher gestellt wird…

…das bedarf dann einer weiterführenden Untersuchung. Viel Spaß. :-)

Wie unschwer zu erkennen ist, schlummert mein kleines Blog bereits geraume Zeit ohne neues Posting vor sich hin.

Dämmerzustand

Das ist für mich (mehr allerdings noch für die regelmässigen Wikipedistik-Leser, die immerhin in einer dreistelligen Anzahl existieren) ziemlich unbefriedigend. In der letzten Zeit ist einfach zu viel passiert, als dass ich Ruhe und Muße gefunden hätte, die ich für einen vernünftigen Beitrag brauche.

Zum einen fällt im Rahmen der Wikipedia wie üblich dermaßen viel Arbeit an, dass man schon fast ein schlechtes Gewissen haben muss, Blogpostings zu schreiben, anstatt beispielsweise Freigaben im OTRS abzuarbeiten (die Queue ist mittlerweile auf eine dreistellige Anzahl angewachsen – eine Wartezeit von über 14 Tagen ist keine Ausnahme mehr, so dass Inhalte oftmals schon gelöscht wurden, obwohl eine Freigabe schon seit Wochen vorlag!), zum anderen gibt es auch bei meiner Arbeit jede Menge zu tun.

Und ich gestehe – wenn man dann einmal ein paar ruhige Minuten findet, an denen man die meisten häuslichen Pflichten erledigt hat – dann habe ich in letzter Zeit doch vorgezogen einmal zur Abwechslung gar nichts zu machen oder aber die Zeit mit meiner Freundin zu verbringen, die mich auch zu selten sieht.

Nichtsdestotrotz ist rund um die Wikipedia die Zeit nicht stehen geblieben und es passieren eine Menge spannender Dinge, über die ich gerne gebloggt hätte, die ich aber nicht aufgegriffen habe. Dafür möchte ich an dieser Stelle ein paar Quellen nennen, die in letzter Zeit etwas aktiver waren als ich:

Zu den aktiven Wikipedia-Bloggern, die ihr hoffentlich schon in euren RSS-Readern habt, sind in den letzten Monaten einige neue Gesichter hinzugekommen, die recht aktiv sind. Finanzer spinnt, Frank (Schulenburg) correspondiert und Achim bloggt für und bei Zeno.org. Postings von fast allen deutschsprachigen Blogs, die regelmäßig über Wikipedia-Themen Artikel veröffentlichen, findet man aggregiert im deutschsprachigen Planet Wikimedia.

…und ansonsten verspreche ich natürlich an dieser Stelle wieder einmal, in Zukunft aktiver zu sein.

In den letzten Stunden war Wikipedistik leider nicht erreichbar. Ich habe sowohl einige Updates durchgeführt, als auch das lange fällige Redesign gestartet und dabei ein wenig aufgeräumt. Ich hoffe, dass neue Erscheinungsbild gefällt…

Noch bin ich allerdings nicht mit allen Änderungen durch, die ich vornehmen möchte. In den nächsten Tagen werden sich also noch ein paar Sachen verändern. Falls jemand auf Fehler stoßen sollte, dann schreibe derjenige doch bitte ein Kommentar zu diesem Posting. Danke!

Ein bekannter Nutzer gibt sich als falscher Professor aus, Stefan Kühn und Kolossos starten das WikiProjekt Vorlagenauswertung, es gibt einen Presserummel um eine Löschwelle zu Artikeln über Linuxdistributionen, eine interessante aber zu hinterfragende Studie wird veröffentlicht, die englischsprachige Wikipedia gibt eine CD mit 2000 Artikeln heraus und Larry Sanger, Wikipedia-Mitbegründer und Vater des Citizendiums, stänkert ein wenig rum:

But Larry Sanger, who helped to found Wikipedia in 2001, said that the site was “broken beyond repair” and no longer reliable.
The Times

Und noch viele weitere interessante Dinge sind passiert. Leider kann man darüber nichts in Wikipedistik lesen. Und das, weil es mir wie üblich an allen Ecken und Enden an Zeit fehlt. Da ich allerdings jetzt einige arbeitsintensive Sachen abgeschlossen habe, ist es eigentlich ein guter Zeitpunkt um mal wieder etwas produktiver zu werden. Zumindest steht das ganz oben auf der Todo-Liste.

Ganz im Zeichen des Web 2.0 setzte ich dabei auch auf User Generated Content… :-)
Für ein aktuelles Thema (die neue Resolution der Wikimedia Foundation über Zugriff auf nicht-öffentliche Daten) konnte ich Leon Weber als Autor im Rahmen der Kategorie Fremdbeitrag gewinnen. Danke schön! Vielleicht kann ich ihn überzeugen in Zukunft noch weitere Beiträge zu verfassen und dann auch mal wieder selber umfangreichere Artikel fertigzustellen.

Ansonsten bin ich momentan immer noch dabei mich umfassend einzuarbeiten – dementsprechend bleibt nicht all zuviel Zeit zum Bloggen oder Rumbasteln an einem “Blog-Relaunch” übrig. Ich gebe mir aber Mühe, dass hier bald etwas passiert.

Außerdem steht natürlich noch eine Überarbeitung der Ergebnisseite der Umfrage “Wikis in Unternehmen” aus…

Seit diesem Zeitpunkt sind immerhin 95 Beiträge und 192 Kommentare in diesem Blog erstellt worden. Etwas erschreckend ist es allerdings, wenn man sich anschaut, wieviele Kommentare nicht veröffentlicht wurden: Gestern habe ich den 50.000sten Kommentar-Spam gelöscht.

Ebenso wie Spam den E-Mail-Dienst belastet, belastet er auch Blogs. Spammer wollen entweder ihre Nachricht per Kommentar loswerden, oder einen Link auf ihr Angebot unterbringen. Da das Spamproblem schon bei einem relativ kleinem Nischenblog wie meinem solche Ausmaße annimmt, kann man sich in etwa vorstellen, welche Dimensionen das bei bekannten Blogs erreicht.

Robert Basic sammelt auch schonmal 10.000 Spam-Einträge innerhalb von nicht ganz zwei Wochen. Ohne eine zusätzliche Filtersoftware (ich benutze dazu Akismet) scheint es für Blogs nicht mehr möglich, eine Kommentarfunktion anzubieten.

Bedanken möchte und muss ich mich bei allen, die mir bei der Beendigung meines Studiums behilflich waren – im Besonderen bei meinen Eltern, die mir mit viel Geduld einen Großteil meines Studiums finanziert haben, meiner Freundin Heike Hellwig, Mathias Schindler, dessen Anregungen ich leider nicht alle in der Arbeit umgesetzt habe, Sarah Schönau für ihre Adleraugen, Kshitij Gupta und Carsten Takac für ihre Gastfreundschaft und Hilfsbereitschaft, meinem Betreuer René Fahr, ebenso Patrick Kampkötter und auch bei Ralf Carlet und Georg Kühlem, die mir ihre Freizeit geopfert haben.

Die Diplomarbeit wird an dieser Stelle veröffentlicht, sobald Sie fertig korrigiert ist. Das muss laut Prüfungsordnung innerhalb von zwei Monaten geschehen, aber ich hoffe, dass es etwas zügiger voran geht. Da es eine ABWL-Arbeit ist, muss sie von zwei Korrektoren bewertet werden.

Wie ich schon an anderer Stelle erwähnt hatte, bleibt Wikipedistik trotzdem weiterhin bestehen. Sollte ich in den nächsten paar Wochen etwas Zeit finden, werde ich allerdings das Layout mal gründlich überarbeiten.

Seitdem ist es nicht mehr auf einfache Weise möglich herauszufinden, welche Artikel bei den Wikipedia-Nutzern besonders beliebt sind (genauer: besonders häufig aufgerufen werden).

Grundsätzlich muss man sich im klaren darüber sein, dass die auf diese Art erhobenen Zahlen nicht korrekt wären – sie könnten nur einen Anhaltspunkt liefern. Seit ihrem Start im Januar 2001 ist die Wikipedia von einer kleinen unbekannte Webseite nach Angaben von Alexa in die Top20-Webseiten weltweit aufgestiegen – in Deutschland gehört sie zu den Top5-Webseiten.

Dies führt dazu, dass es nicht mehr möglich ist, das Webangebot auf einem “einfachen Server” zu hosten. Die Infrastruktur ist momentan auf mehr als 240 Server verteilt, die über vier Standorte auf drei Kontinenten verteilt sind. Der Kauf von 20 weiteren Servern wurde von der Wikimedia Foundation gerade beschlossen.

Dies ist einer der weltweit größten Server-Cluster, der komplett mit Freier Software betrieben wird und vermutlich der einzige, der fast ausschliesslich von etwa einem Dutzend ehrenamtlicher Administratoren aus aller Welt – USA, Australien, Großbritannien, Deutschland, Island, Frankreich und Litauen – betreut wird.

Weltkarte: Wikimedia-Server (ohne Frankreich)
Autor: Sansculotte / Lizenz: CC-BY-SA

Zu Spitzenzeiten verzeichnet die Wikipedia 16.000 Zugriffe pro Sekunde (!). Würden diese alle direkt auf die 12 Datenbank-Server durchgereicht, käme es aufgrund der Überlast unweigerlich zu einem Denial of Service – die Wikipedia würde nicht mehr antworten.

Die Lösung besteht darin, häufige und wiederholte Anfragen in großen Proxy-Caches (Zwischenspeichern) – den Squids – vorzuhalten und diese nicht an die Apache-Webserver oder die Datenbank-Server weiterzuleiten.Ein Großteil der Seitenabrufe nicht-angemeldeter Benutzer wird von den Squids bedient: Momentan liegt die “hit-rate” (eine Anfrage wird aus dem Cache bedient) bei etwa 75 Prozent. Besonders bei Ereignissen wie z.B. der Fussball-Weltmeisterschaft bringen die Squids eine enorme Lasterleichterung.

Hier sieht man aber gleich das nächste große Problem, wenn man Zugriffsstatistiken erfassen möchte – da die durch die Proxy-Server bedienten Abfragen gar nicht mehr bis zur Datenbank durchkommen, können Sie auch einen dort aktiven Artikelzugriffszähler nicht erhöhen.

Eine Möglichkeit wäre nun, zusätzlich auf den Squids Abfragestatistiken zu erfassen und diese über die Gesamtzahl der Rechner zu aggregieren. Auch dies ist aus Performance-Gründen keine Option.

Eine clevere Idee – wenn auch inspiriert durch die russischsprachige Wikipedia – hat vor zwei Wochen Leon Weber umgesetzt. Sein Tool WikiCharts ist seit heute allgemein zugänglich. Eine Ankündigung und Diskussion findet sich in der Mailingliste der deutschsprachigen Wikipedia.

Durch eine Ergänzung der für alle Benutzer verwendete JavaScript-Vorlage um einen Pagecounter-Teil wird der Name des aufgerufenen Artikels (das Lemma) an den Toolserver übergeben und dort gespeichert. Diese Vorgehensweise belastet die Wikimedia-Server kaum und berücksichtigt fast alle Artikelaufrufe – auch solche, die durch die Squids bedient werden.

Um eine Überlastung des Toolservers zu vermeiden wird nicht jeder einzelne Artikelaufruf gelogged, sondern nur jeder 750ste. Nach zwei Wochen kann man sich nun erste Ergebnisse der Top 100 aufgerufenen Artikel ansehen.

Leider löst das Tool von Leon immer noch nicht das Problem, zu einem gegebenen Artikel eine ungefähre Schätzung der Aufrufe zu bekommen, wenn sich dieser nicht in den Top 100 befindet.