211service.com
De schimmige wereld van de bewerkingsbots van Wikipedia
In iets meer dan een decennium is Wikipedia geëvolueerd van een internetexperiment tot een wereldwijd crowdsourcingfenomeen. Tegenwoordig biedt deze online encyclopedie gratis toegang tot meer dan 30 miljoen artikelen in 287 talen.
Minder bekend is Wikidata, een informatiearchief dat is ontworpen om basisfeiten te delen voor gebruik in verschillende taalversies van Wikipedia. Wikidata speelt daarom een cruciale rol bij het smeren van de informatiestroom tussen deze online communities.
Het bijhouden van al deze gegevens is een lastige klus. Het vereist aanzienlijke bewerking en polijsten, waarbij meestal hersenloze, repetitieve taken zijn betrokken, zoals het opmaken van links en bronnen, maar ook het toevoegen van basisfeiten.
Veel van dit soort werk is geautomatiseerd. Achter de schermen scannen geautomatiseerde bots Wikipedia- en Wikidata-pagina's om de inhoud voortdurend op te poetsen voor menselijke consumptie.
Maar dat roept een belangrijke vraag op. Hoeveel botactiviteit is er? Wat doen deze bots en hoe verhoudt dit zich tot menselijke activiteit?
Vandaag krijgen we een antwoord dankzij het werk van Thomas Steiner bij de Duitse vestiging van Google in Hamburg. Steiner heeft een applicatie gemaakt die de bewerkingsactiviteiten in alle 287 taalversies van Wikipedia en op Wikidata monitort. En hij publiceert de resultaten in realtime online zodat iedereen precies kan zien hoeveel bots en mensen op elk moment een van deze sites bewerken.
Op het moment van schrijven zijn er bijvoorbeeld in alle taalversies van Wikipedia 10.407 bewerkingen uitgevoerd door Bots en 11.148 door menselijke Wikipedianen. Dus dat is een 49/51 verdeling tussen bots en mensen.
Maar een nadere beschouwing van de gegevens onthult enkele interessante variaties. Op dit moment wordt bijvoorbeeld slechts 5 procent van de bewerkingen van de Engelstalige versie van Wikipedia door bots gedaan. Daarentegen is 94 procent van de bewerkingen van de Vietnamese versie door bots.
En op Wikidata wordt 77 procent van de 15.000 bewerkingen uitgevoerd door bots.
De pagina van Steiner vermeldt ook de meest actieve bots. Wikipedia en Wikidata erkennen al lang de schade die bots kunnen aanrichten en hebben daarom strikte richtlijnen voor hun gedrag. Wikidata zelfs geeft bots weer met goedgekeurde taken .
Het merkwaardige aan de geautomatiseerde bewerkingen op Wikidata is dat de meest actieve bots niet op deze lijst staan. Op het moment van schrijven bijvoorbeeld, voert een bot met de naam Succubot 5797 bewerkingen uit in Wikidata-items en toch lijkt Wikidata niet bekend te zijn. Wat doet deze bot?
De pagina van Steiner geeft beheerders een handig venster op dit schijnbaar schimmige gedrag. In werkelijkheid wordt elke snode activiteit meestal snel opgemerkt en wordt de dader geblokkeerd. Maar dit soort toezicht zal nog steeds enorm nuttig zijn.
Bovendien heeft Steiner de code open source gemaakt, zodat iedereen deze kan gebruiken om het gedrag van bots en mensen in meer detail te bestuderen.
Een interessant gevolg is dat bots steeds beter in staat zijn om allerlei soorten artikelen te produceren. De eerste Wikipedia-bot, die in 2002 werd ontwikkeld, maakte automatisch vermeldingen voor Amerikaanse steden met behulp van een eenvoudige tekstsjabloon.
Tegenwoordig zijn er geautomatiseerde feeds die verhalen produceren over financiële resultaten en sportresultaten met behulp van eenvoudige sjablonen: Team A verslaat Team B met het X-bedrag vandaag in een wedstrijd die op locatie Y wordt gespeeld. Het enige dat nodig is, is de relevante informatie in de juiste plaatsen.
Het is niet moeilijk in te zien hoe dit veel geavanceerder kan worden. En hoewel dit soort geautomatiseerd schrijven enorm nuttig kan zijn, met name voor Wikipedia en zijn goed gedocumenteerde problemen met mankracht, kan het ook kwaadwillig worden gebruikt.
Manieren om geautomatiseerde tekstwijzigingen te monitoren, zullen in de toekomst dus waarschijnlijk belangrijker worden.
Referentie: arxiv.org/abs/1402.0412 : Bots versus Wikipedianen, Anons versus ingelogde gebruikers