Ocena jakości Wikipedii na dużą skalę: analiza treści, źródeł informacji oraz wizualizacji danych
Wikipedia zawiera ponad 65 milionów artykułów w przeszło 300 językach. Tak ogromna skala sprawia, że tradycyjna, ręczna ocena wszystkich treści jest praktycznie niemożliwa. Z pomocą przychodzą metody obliczeniowe, w tym uczenie maszynowe, przetwarzanie języka naturalnego oraz modele sztucznej inteligencji.
Podczas wystąpienia dr Włodzimierz Lewoniewski przedstawił wyniki serii badań prowadzonych w Katedrze Informatyki Ekonomicznej nad automatyczną oceną jakości artykułów Wikipedii, w tym ich neutralności, kompletności, struktury oraz wykorzystywanych źródeł informacji. Omówiono między innymi analizę wydźwięku niemal 7 milionów artykułów anglojęzycznej Wikipedii, badania sieci powiązań między artykułami oraz metody porównywania jakości treści w różnych wersjach językowych. Osobne miejsce poświęcono ocenie wizualizacji danych, takich jak mapy, wykresy, tabele i diagramy. Zaprezentowano badania obejmujące ponad pół miliona wizualizacji z polskojęzycznej Wikipedii, w których analizowano m.in. ich czytelność, właściwości wizualne oraz sposób prezentowania informacji. Ważnym zagadnieniem była również wiarygodność źródeł. Na podstawie analizy milionów odnośników bibliograficznych można identyfikować najczęściej wykorzystywane serwisy internetowe i badać ich znaczenie w poszczególnych obszarach tematycznych oraz wersjach językowych Wikipedii.
W ramach prezentacji został również przedstawiony nowy serwis – Wikipedia-Map.net. To ogólnodostępne narzędzie pozwala spojrzeć na Wikipedię jako na interaktywną mapę połączonych ze sobą artykułów. Wizualizacja umożliwia eksplorowanie struktury Wikipedii, odkrywanie powiązań między zagadnieniami oraz analizowanie popularności oraz jakości poszczególnych artykułów. Dzięki interaktywnej formie użytkownicy mogą obserwować, jak różne obszary wiedzy łączą się ze sobą i tworzą rozbudowaną sieć informacji. Mapa Wikipedii stanowi przykład praktycznego zastosowania wyników badań naukowych w tworzeniu narzędzi, które pozwalają lepiej zrozumieć strukturę i rozwój otwartych zasobów wiedzy.
Przedstawione badania pokazują, w jaki sposób połączenie metod sztucznej inteligencji, analizy sieci, przetwarzania języka naturalnego i wizualizacji danych może wspierać rozwój Wikipedii oraz innych otwartych ekosystemów wiedzy. Jednocześnie podkreślono wyzwania związane z doborem modeli AI, różnicami międzyjęzykowymi oraz interpretacją automatycznie wyznaczanych wskaźników jakości. Rozwijane metody mogą znajdować zastosowanie nie tylko w ocenie treści encyklopedycznych, ale również w wyszukiwarkach internetowych, systemach sztucznej inteligencji, platformach edukacyjnych i innych rozwiązaniach korzystających z otwartych zasobów informacji.
Prezentacja jest dostępna na stronie internetowej konferencji „Open Knowledge: Wikimedia & Research in the CEE Region” oraz w serwisie Figshare.