Przypisy w polskiej Wikipedii czyli jak przekopałem się przez 1.300.000 haseł

Przypisy w polskiej Wikipedii

Jedną z podstawowych wartości  Wikipedii jest jej wiarygodność.
Wiarygodność oparta na przypisach czyli źródłach dla (prawie) każdej merytorycznej treści podawanej w hasłach Wikipedii.

Cytowania są oznaczone za pomocą tagów (znaczników) ref.

Aby ułatwić wstawianie treści cytowań stworzono grupę szablonów cytowania.

Nazwa szablonu	Rodzaj źródła
{{Cytuj grę komputerową}}	gry komputerowe
{{Cytuj książkę}}	książki
{{Cytuj odcinek}}	odcinki programów
{{Cytuj pismo}}	gazety, czasopisma
{{Cytuj stronę}}	strony internetowe
{{Cytuj}}	uniwersalny

W angielskiej Wikipedii mają trochę więcej szablonów "Cytuj" i o nieco innej funkcji.

Nazwa szablonu	Rodzaj źródła
{{cite video game}}	gry komputerowe
{{cite book}}	książki
{{cite journal}}	artykuł naukowy
{{cite episode}}	odcinki programów
{{cite news}}	gazety, czasopisma
{{cite web}}	strony internetowe
{{cite album notes}}	okładka płyty itp.
{{cite AV notes}}	j.w + wideo, DVD
{{cite comic}}	komiks
{{comic strip reference}}	komiks+
{{cite conference}}	konferencja nauk.
{{cite court}}	sprawa sądowa
{{cite encyclopedia}}	encyklopedia
{{cite mailing list}}	lista dyskusyjna
{{cite map}}	mapa
{{cite newsgroup}}	grupa dyskusyjna
{{citation}}	patent i inne
{{cite press release}}	komunikat dla prasy
{{cite thesis}}	praca magisterska

Największy problem dla mnie osobiście stanowi nierównoważność polskiego {{cytuj pismo}} z angielskim {{cite journal}}.
Do polskiego wsadzone jest oprócz artykułów naukowych opublikowanych w czasopismach naukowych, cała masa innych rzeczy przez to, że jest on przeznaczony dla wszelkich druków periodycznych.
Powoduje to często pomylenie pojęć. Dla niektórych pismem jest książka lub strona internetowa.

Źródła w 1,3 mln haseł polskiej Wikipedii

Dla mnie jako lekarza (wiarygodne) źródła w książkach i artykułach naukowych to oczywistość.

EBM, meta-analizy i podwójnie zaślepione randomizowane badania to rzeczy, które świadczą o jakości informacji medycznej. 

Wpadł mi kiedyś do głowy pomysł, żeby przyjrzeć się uźródłowieniu polskiej Wikipedii. Wszystko w powiązaniu z bardzo  cenną i przyszłościową inicjatywą WikiCite.

Udało się przekopać przez 1.300.000+ haseł z polskiej Wikipedii zawartych w dumpach z 20 listopada 2018 r.


Użyłem Pythona i  dwóch bardzo fajnych bibliotek:

• Mediawiki parser from hell
• Mediawiki utilities Aarona Halfakera

Mój Thinkpad X200 mocny nie jest ale dał radę.

• Intel(R) Core(TM)2 Duo CPU     P8600  @ 2.40GHz
• MemTotal:        3930708 kB
• Linux misiodomek 4.19.4-arch1-1-ARCH #1 SMP PREEMPT Fri Nov 23 09:06:58 UTC 2018 x86_64 GNU/Linux