データに関する記事を書こう！

テーマ2『データに関する記事を書こう！』参加記事です。

データの件数が１０件、３０件、１００件と三段階で分析してみるとよいという経験則があります。

データ件数10,30,100。三段統計活用法

Qiita記事三段階分析10,30,100 (1)

【毎日自動更新】データに関する記事を書こう！ LGTMランキング！

で、データが100件になる前に、予備分析をしてみようかなって思います。

「@torifukukaiou 【毎日自動更新】データに関する記事を書こう！ LGTMランキング！」

まだ、３０件データが揃っていない状況では、自分以外の人からのリンク数が大事そうだということが推測できました。

与件網(data network)が凡人網(ordinary people network)

投稿者ごとの記事数は分析対象にしない。
行事の趣旨として、記事数の要請があるわけではないから。

投稿者ごとのLGTM数と記事数

No.	user	LGTM	Count	L/C
1	@kaizen_nagoya	30	41	0.73
2	@keiji_dl	19	4	4.75
3	@hanaseleb	13	4	3.25
4	@torifukukaiou	12	4	3

投稿者ごとのLGTM数では、１記事あたりのLGTM数を計算してみた。
何か意味があるわけではない。引き算でも、割り算でも、なんでもいい。
データ間の演算を見て感じることがあればよい。

タグごとの記事数とLGTM数

No	tag	count	LGTM	L/C	total tag	C/Total
1	Qiitadelika	55	85	1.54	60	91.6
2	AdventCalendar2022	44	41	0.93	331	13.2
3	データ分析	15	15	1	2,061	0.7
4	データサイエンス	11	26	2.36	1,234	0.8

タグごとの記事数は、どういうタグに人気があるかを確認するとよい。

社会事象は受動測定は不可能である。
能動測定の能動の意思をつかむことが分析の鍵の一つになる。

Qiita全体で、そのタグがどれくらいの記事数があるかをTotal tagに記録した。

タグごとのLGTM数と記事数

No	tag	LGTM	Count	L/C	total tag	C/Total
1	Qiitadelika	85	55	1.54	60	91.6
2	AdventCalendar2022	41	44	0.93	331	13.2
3	Python	28	6	4.66	62,687	0
4	データサイエンス	26	11	2.36	1,234	0.8
5	delika	21	8	2.62	9	88.8
6	Microsoft	19	4	4.75	1,023	0.3
7	テキストマイニング	16	1	16	81	1.2
8	データ分析	15	15	1	2,061	0.7
9	40代駆け出しエンジニア	12	4	3	90	4.4
10	PowerPlatform	10	3	3.33	313	0.9

Pythonは、元記事が多く、0.009%で限りなく０に近い。