Die Punktzahlen im Bericht zum Verhältnis von Benutzerflaggen scheinen etwas verwirrend zu sein.
Zum Beispiel:
Benutzer, bei denen nur disagreed-Flaggen vorliegen, erhalten eine höhere Punktzahl als Benutzer ohne Flaggen und auch höher als Benutzer mit einer ähnlichen Anzahl von agreed- und disagreed-Flaggen.
Benutzer mit z. B. 100 disagreed und 100 agreed erhalten exakt dieselbe Punktzahl wie jemand ohne Flaggen, nämlich 0.
Was ist die Absicht hinter dieser Punktzahl? (cc: @j.jaffeux)
Mein Anwendungsfall für diesen speziellen Bericht besteht darin, Benutzer zu identifizieren, die der Moderation am meisten oder am wenigsten entsprechen. Aus dieser Perspektive sind 15/0 und 0/15 aus unterschiedlichen Gründen gleichermaßen wichtig, und ein Wert von 255 bzw. -255 würde in diesen Fällen die Situation meiner Meinung nach viel präziser abbilden. Ich bin mir jedoch nicht sicher, wie der Algorithmus dies gleichzeitig unter Berücksichtigung des Flaggen-Volumens umsetzen könnte, das ebenfalls gleichermaßen wichtig ist.
Wow, das bedeutet, dass bei konstanter agreed-Zahl die Punktzahl immer besser wird, je höher die disagreed-Zahl ist (wenn disagreed > agreed).
Eine vernünftigere und direktere Formel könnte so aussehen:
(agreed * agreed) - (disagreed * disagreed)
Das heißt, agreed erhöht die Punktzahl immer, während disagreed sie immer verringert. Ich weiß nicht, ob es notwendig ist, die Formel komplexer zu gestalten, aber das ist nur meine Meinung (vorausgesetzt, eine negative Punktzahl ist in Ordnung).
Ich denke, das ist in Ordnung. Gibt es ein Problem damit, wenn beide Werte (der eine, der die Punktzahl erhöhen sollte, und der andere, der sie verringern sollte) gleich sind?
Ich habe den Großteil davon nicht geschrieben, ich habe hauptsächlich einen Bug behoben, der die Anzeige von Datensätzen verhinderte, wenn man mehr zugestimmten als abgelehnten Einträgen hatte. Daher bin ich mir bei der meisten Logik nicht sicher. @eviltrout
Ich habe ‘zugestimmt * zugestimmt’ verwendet, da ich dachte, es wäre interessant, Nutzer hervorzuheben, mit denen wir nie disagreed haben. Dies ist jedoch ein Randfall, und die meisten Nutzer werden nicht in diese Kategorie fallen, also sollten wir wahrscheinlich den anderen Zweig optimieren.
Fühle dich frei, die Formel zu korrigieren, um besser mit speziellen Fällen umzugehen, die hier nicht berücksichtigt werden.