Wikipedia:Páginas mais vandalizadas

Origem: Wikipédia, a enciclopédia livre.

Esta página objetiva fazer um levantamento dos artigos que mais tem sofrido vandalismo na wikipédia ao longo dos tempos. Os dados apresentados abaixo não são exatos. São apenas uma estimativa com o objetivo de ajudar a comunidade a vigiar e proteger as páginas que são vítimas mais freqüentes de vandalismo.

[editar] Listas

Para todas as listas abaixo foi utilizado o dump ptwiki-20071011-stub-meta-history.xml.gz datado de 11 de outubro de 2007 às 10:32:32 ^[1][2].

[editar] Páginas mais vandalizadas de todos os tempos

[editar] Páginas mais vandalizadas em 2006

[editar] Páginas mais vandalizadas em 2007

[editar] Páginas mais vandalizadas no mês de setembro de 2007

[editar] Metodologia

Pela própria natureza do vandalismo, não é possível uma identificação exata da sua ocorrência de forma automática. Por isso utilizamos uma solução razoável baseada na quantidade de reversões sofridas pela página. Ainda assim, a única forma de se identificar uma reversão é através dos comentários deixados nas edições de reversão, portanto tenham em mente que os dados apresentados são apenas uma estimativa, e que o número real de vandalismos sofridos pode ser ligeiramente diferente dos valores apresentados.

Os dados foram levantados através dos dumps fornecidos pela fundação wikimédia, de forma que os dados podem também demorar algum tempo para serem atualizados, já que são arquivos grandes e são fornecidos com uma freqüência determinada. Além disso o processo de importação desses dumps é trabalhoso e demorado.

Por último, limitamos o trabalho ao domínio principal, que é o mais importante da wikipédia e por isso o mais vandalizado. Esta limitação foi introduzida para facilitar os aspectos técnicos da operação, já que os domínios não são identificados de forma textual no banco de dados e sim através de códigos.

[editar] Importação dos dumps

Em primeiro lugar efetuamos o download do dump mais recente^[1]. Este dump é então processado através do software Xml2sql e importado segundo as instruções presentes em m:Xml2sql.

Ressaltamos que esta forma de importação depende da prévia instalação de uma versão do software MediaWiki para que seja criada adequadamente a estrutura do banco de dados. O dump contém apenas os dados crus, e a estrutura precisa ser criada previamente.

[editar] Consultas

Após terem sido importados, os dados são extraídos através das seguintes consultas SQL feitas diretamente no banco de dados:

[editar] Criação de views

Para facilitar a construção das consultas, foi criada a seguinte view no banco de dados, que consolida os dados de páginas com os de revisão:

CREATE VIEW page_rev AS 
SELECT p.page_title AS page_title,
       p.page_id AS page_id,
       r.rev_comment AS rev_comment,
       r.rev_timestamp AS rev_timestamp 
FROM page p, revision r 
WHERE p.page_id = r.rev_page
  AND p.page_namespace = 0

[editar] Páginas mais vandalizadas de todos os tempos

SELECT title, page_id, reverts, total, reverts/total*100 AS 'percent' FROM
(SELECT p1.page_title title, p1.page_id page_id, 
        count(*) reverts, 
        (SELECT count(*) total
                FROM page_rev p2
                WHERE p1.page_id = p2.page_id
        ) total
FROM page_rev p1
WHERE p1.rev_comment LIKE 'rv%' COLLATE utf8_unicode_ci
        OR p1.rev_comment LIKE 'revert%' COLLATE utf8_unicode_ci
        OR p1.rev_comment LIKE 'revers%' COLLATE utf8_unicode_ci
        OR p1.rev_comment LIKE 'desfeita%' COLLATE utf8_unicode_ci
GROUP BY p1.page_title, p1.page_id) revs
ORDER BY reverts DESC, total DESC, percent DESC, title ASC;

[editar] Páginas mais vandalizadas por período

SELECT title, page_id, reverts, total, reverts/total*100 AS 'percent' FROM
(SELECT p1.page_title title, p1.page_id page_id, 
        count(*) reverts, 
        (SELECT count(*) total
                FROM page_rev p2
                WHERE p1.page_id = p2.page_id
                  AND p2.rev_timestamp BETWEEN '20070801000000' AND '20070901000000') total
FROM page_rev p1
WHERE (p1.rev_comment LIKE 'rv%' COLLATE utf8_unicode_ci
        OR p1.rev_comment LIKE 'revert%' COLLATE utf8_unicode_ci
        OR p1.rev_comment LIKE 'revers%' COLLATE utf8_unicode_ci
        OR p1.rev_comment LIKE 'desfeita%' COLLATE utf8_unicode_ci)
        AND p1.rev_timestamp BETWEEN '20070801000000' AND '20070901000000'
GROUP BY p1.page_title, p1.page_id) revs
ORDER BY reverts DESC, total DESC, percent DESC, title ASC;

Onde as linhas que lêem and p1.rev_timestamp between '20070801000000' and '20070901000000' indicam as datas inicial ('20070801000000') e final ('20070901000000') respectivamente. A data se encontra no formato 'YYYYMMDDhhmmss' onde YYYY representa o ano com quatro dígitos; MM o mês com 2 dígitos (incluindo um zero inicial se for o caso); DD o dia com 2 dígitos; hh a hora, de 00 a 23, também com 2 dígitos; mm os minutos com dois dígitos, e ss os segundos com 2 dígitos.

As datas devem ser alteradas em ambas as linhas de forma idêntica para que a consulta tenha o efeito desejado.

[editar] Notas

1. ↑ ^{1,0 1,1} (en) ptwiki dump progress on 20071011
2. ↑ Por não haver alteração nos dados relativos a anos anteriores, os dados de 2006 não foram atualizados, tendo sido utilizado o dump ptwiki-20070906-pages-meta-history.xml.7z datado de 8 de setembro de 2007 às 11:48:57

[editar] Ligações externas

• m:Data dumps
• m:Xml2sql
• Download de dumps
• Software MediaWiki