Sondage Sur LinuxFr.org, quand je note pertinent/inutile, en fait je note...
Fait suite au sondage de 2015: Sur LinuxFr.org, quand je vote pertinent/inutile, en fait je vote….
-
D'accord / Pas d'accord :
48(12.0 %)
-
J'apprécie l'auteur / L’auteur m'énerve : :
18(4.5 %)
-
Bien écrit / Mal écrit (forme, sources, orthographe, narration…) :
7(1.8 %)
-
Le sujet m'intéresse / Le sujet ne m’intéresse pas :
15(3.8 %)
-
Le contenu est sous licence Libre / Le contenu n’est pas sous licence Libre :
1(0.3 %)
-
Pertinent / Inutile :
185(46.4 %)
-
Je ne note jamais / on peut noter ? :
106(26.6 %)
-
Je note au hasard :
19(4.8 %)
Total : 399 votes
Journal Suggestion : supprimer complètement les notes du site
Bonsoir, Nal !
Je t’écris pour te faire une suggestion, qui serait celle-ci : supprimer complètement le système de notation du site.
Oui, tu le savais déjà, parce que tu as lu le titre.
Oui, je sais qu’il y a une section dédiée aux bugs et suggestions, mais j’écris volontairement ici pour que ce sujet – clivant s’il en est – soit visible de toutes et tous.
Oui, je sais que j’ai posté il y a peu une (…)
Journal Des graphiques sur la notation des contenus et commentaires
Salut les gens, et les autres,
Pour faire suite à ce journal (merci Benoît) et à ce commentaire qui réclamait des images, voilà.
Si vous lisez avec vos mains ou vos oreilles, ceci ne vous apportera rien de plus. Le propos original du journal étant plus complet et je n'ai rien rajouté. En plus je n'ai pas tout pris, tout ne s'y prêtait pas.
Donc, au début était la répartition des notes entre les contenus et les commentaires :
Ensuite (…)
Forum Linux.général linuxfr: le systeme de notation
Prédire la note d’un journal sur LinuxFr.org
Cette dépêche traite de l’exploration de données sur des données issues de LinuxFr.org.
Ayant découvert récemment scikit-learn, une bibliothèque Python d’apprentissage statistique (machine learning). Je voulais partager ici un début d’analyse sur des contenus issus de LinuxFr.org.
Avertissement : je ne suis pas programmeur, ni statisticien. Je ne maîtrise pas encore tous les arcanes de scikit-learn et de nombreux éléments théoriques m’échappent encore. Je pense néanmoins que les éléments présentés ici pourront en intéresser plus d’un(e).
Tous les scripts sont codés en Python et l’analyse à proprement parler a été réalisée à l’aide d’un notebook Jupyter. Un dépôt contenant les données et les scripts est disponible sur GitLab.