群眾機制評價的問題

相較於專家機制的評價，群眾機制的評價普遍存在強者強，弱者弱的問題。以YouTube來說，很多人看過不見得是好影片，後進的讀者看到很多人看，跟著點那些「熱門」影片，發現很無趣後也來不及了。雖然有評分機制，多人看的影片似乎是4或4.5星，參考價值不大。像熱門排行榜更是極端，除非有做適當的分隔，像依上傳時間區隔，否則新產生的內容難以追過舊有的熱門內容。

有些網站會用文章是否被捲到底，來判斷是否真的有被閱讀（也許再加上一點時間判斷），而非點了就算一次。依人類閱讀的習性來判斷影片或網頁是否有被完整觀看，甚至是自動判斷觀後旳評價，應該有發展的價值。影片用時間判斷，文章可用時間和被捲動的情況。配合真的有給評價的數據，這可視為classification的問題：

• 基本屬性：觀看時間長度內容被看過的比例
• 外部屬性：使用者的個人資訊、過去的行為如看過的影片（網頁）、好友清單
• 分類的目標：給予的評價（例如：0~5顆星）

研究進行的流程大致上是：

1. 分析問題的嚴重性，即影片熱門指數的誤報比率（定性分析，這問題是否真的存在，誤差到一定的值視為有）或各影片誤報程度的平均值（定量分析，將誤差量化，了解問題的嚴重性）
2. 在給定基本屬性的情況下建classification model的結果，能改善多大程度？可用cross validation做驗證手段
3. 考慮外部屬性，先討論如何整理外部屬性成可用的資料，再看引入後對問題的影響程度
4. 應用到實驗平台，觀察使用者的反應，分成使用者回報感想和自動判讀指標（參考第一步的分析），綜合判斷改進的程度

若能拿真實資料玩玩，應該很有意思。忘了是誰說的，真正的研究，應該是來自於日常生活的體驗。