Hoe wordt iemands antwoordwaardering berekend?

Question

In de helptekst staat slechts dat de antwoordwaardering wordt berekend aan de hand van de gegeven antwoorden, het aantal ontvangen plusjes en minnetjes, en het aantal verkregen beste antwoorden. Er wordt verwezen naar een True Bayesian Estimate.

Nergens staat hoe zwaar alles meetelt. Telt een Beste Antwoord ook hier tien keer zo zwaar mee als een plusje, net als bij de gewone puntentelling?

Telt een antwoord dat twee plussen kreeg, even zwaar mee als een antwoord dat twee plussen en zes minnen kreeg?

Telt een antwoord dat twee plussen kreeg, even zwaar mee als een antwoord dat zes plussen en vier minnen kreeg, omdat in beide gevallen het netto-saldo +2 is? Of tellen de zes plussen van dat laatste antwoord minder zwaar mee, omdat dat kennelijk een controversieel antwoord is?

Kortom: wat is het algoritme?

Of is dit een bedrijfsgeheim?

Toegevoegd na 9 uur:
Nog iets vreemds: bij de meeste mensen zie je bij "Waardering antwoorden" dat onder "Vandaag" een lager getal staat dan onder "Deze week", en dat het getal onder "Altijd" het hoogst is.

Als het een gemiddelde betreft, zou je verwachten dat de score onder "Altijd" geleidelijk lager wordt als de score onder "Deze week" consequent lager is. Dat is niet zo.

Ligt dat aan de instellingen van het algoritme zoals XiniX het in zijn antwoord omschrijft?

 · Accepted Answer

Hoe het algoritme precies in elkaar steekt is het geheim van de smid. Het voorbeeld dat Xinix aanhaalt is echter hoe de basis van het algoritme werkt. Het komt er - in het kort - op neer dat alle waarderingen naar een bepaald gemiddelde worden toegetrokken. Hoe meer antwoorden iemand gegeven heeft, hoe meer de waardering van deze persoon van dit gemiddelde af kan komen te liggen. Dit voorkomt dat een persoon die 1 maal waardering '10' heeft gekregen boven iemand komt te staan die 10 maal waardering '9.5' heeft gekregen.

 · Answer

Dit is wat ik vond op het net...

Useful weighting mechanism 
It is a useful weighting mechanism used by the Internet Movie Database (IMDb) to adjust a movie's rating score based on the number of votes it has received. Less votes carry less 'weight', so a movie's score based on few votes is more likely to be pushed toward a pre-determined benchmark figure. As the number of votes increase they begin to assert more of their own influence on the final score. Bayesian averages differ from other averages (e.g. arithmetic mean) in that you have to make some assumptions about the system beforehand.

An example 
The average score across all movies rated on the IMDb is 6.7 (out of 10). This is the IMDb's pre-determined benchmark figure against which other movies are compared in the Bayesian estimate. IMDb also require a minimum of 1300 votes before a movie makes it to their Top 250. The IMDb didn't necessarily have to use the figures of 6.7 & 1300. They could easily have picked other starting points like 5.0 and 2000, for example, if they thought they had good reason.

Now let's say 'only' 1350 people vote for a movie but give it a perfect score of 10. Using the IMDb methodology:

Bayesian est. = (1350x10 + 1300x6.7) / (1350+1300) = 8.4

The initial score of 10 is pushed significantly downward toward the benchmark of 6.7 due to the relatively small number of votes.

Now let's say 20,000 people vote for a movie and also give it a perfect score of 10:

Bayesian est. = (20000x10 + 1300x6.7) / (20000+1300) = 9.8

The initial score is still pushed down, but not nearly as much due to the relatively high number of votes. The Bayesian estimate quite closely reflects the opinion of a large number of voters.

That is, the opinion of 20,000 people carries more weight than 1350 people, using the Bayesian approach.

A similar thing would happen if the score was low, except a relatively smaller number of votes would pull the Bayesian estimate up towards the overall average of 6.7 instead of down.

Toegevoegd na 1 minuut:
Dus het is een gewogen gemiddelde...

Hoe wordt iemands antwoordwaardering berekend?

Het beste antwoord

Andere antwoorden (1)

Weet jij het beter..?