Je vous ai suivi ici et je souhaite continuer à mieux comprendre l’impact de ce changement sur les différentes communautés.
Pour une communauté donnée, on pourrait décomposer cela comme suit :
Tnombre total d’utilisateurs dans la communautéxnombre de ces utilisateurs impactés par ce changementanombre de ces utilisateurs qui n’ont pas de solution de contournement acceptablebcomplément dea
ycomplément dex
ttemps d’attente avant d’apporter ce changement.
Pour une communauté donnée, je suppose qu’il y a une forte probabilité que x > 0, et même que a > 0.
On pourrait considérer l’impact de ce changement sur une communauté donnée comme étant modélisé par une fonction f(t) qui renvoie les valeurs T, x, a.
Si nous acceptons que x et a seront difficiles à ramener à 0, quel devrait être notre objectif ?
Peut-être pourrions-nous catégoriser l’impact par a/T et fixer un seuil sur ce que nous jugeons acceptable.
On pourrait considérer l’impact de ce changement sur les communautés dans leur ensemble comme une fonction similaire F(t) qui renvoie une population de communautés []{T, x, a}.
On pourrait utiliser le même seuil ci-dessus et mesurer combien de communautés sont impactées au-delà de ce que nous avons déterminé comme acceptable.
Si nous attendions encore un an pour cela, je suppose que pour de nombreuses communautés, x et a diminueraient, mais resteraient supérieurs à 0.
Il n’y a donc pas de décision parfaite ici.
Alors, qu’est-ce qui devrait influencer notre décision ?
Quelle est une valeur acceptable pour a pour une communauté donnée ? Combien de communautés sommes-nous prêts à voir dépasser ce seuil ? Devrions-nous apporter ce changement ?
Nous n’avons rien fait d’aussi rigoureux, mais nous avons examiné certaines des données dont nous disposons pour éclairer notre décision, et nous pensons que mai est une réponse raisonnable pour t.