위키피디아 페이지 품질 평가를 위한 편집 지속성 및 기여자 중심성 분석

초록

본 연구는 위키피디아 문서의 품질을 편집 지속성(Edit Longevity)과 기여자들의 네트워크 중심성(centrality) 점수를 결합하여 평가한다. 편집 지속성은 기여자의 수정이 장기적으로 유지되는 정도를 측정하고, 중심성은 토론망·공동작성망에서의 권위성을 나타낸다. 실험 결과, 권위 있는 기여자가 많이 참여한 문서는 높은 품질 점수를 받으며, 백분위 시각화를 통해 품질이 낮은 스타트·스텁 문서 중 상대적으로 우수한 사례를 식별할 수 있음을 보였다.

상세 분석

이 논문은 위키피디아 페이지 품질을 정량화하기 위해 두 가지 핵심 지표를 도입한다. 첫 번째는 편집 지속성(Edit Longevity)으로, 이는 특정 사용자가 수행한 편집이 이후 버전에서도 얼마나 오래 유지되는지를 측정한다. 편집이 지속될수록 해당 기여가 내용의 핵심에 가깝다고 판단한다. 두 번째는 기여자 권위성(authoritativeness)으로, 이는 기여자가 속한 토론 네트워크(talk network)와 공동작성 네트워크(co‑author network)에서의 중심성 지표—예를 들어, degree centrality, betweenness centrality, eigenvector centrality—를 활용한다. 중심성이 높은 기여자는 네트워크 내에서 정보 흐름을 조정하거나 다수의 협업 관계를 맺고 있음을 의미한다. 연구자는 편집 지속성 점수와 기여자 중심성 점수를 곱하거나 가중 평균하는 방식으로 페이지 품질 점수를 산출한다. 실험에서는 위키피디아의 10,000여 개 문서를 대상으로, 기존의 품질 분류(Featured, Good, B, C, Start, Stub)와 비교하였다. 결과는 단순 편집량 기반 모델보다 제안 모델이 높은 정확도와 정밀도를 보였으며, 특히 권위 있는 기여자가 소수라도 참여한 페이지가 품질이 크게 향상되는 경향을 확인했다. 또한, 백분위 시각화를 통해 품질이 낮은 범주에 속하지만 상위 백분위에 위치한 ‘이상치’ 문서를 식별할 수 있었으며, 이는 편집자들이 개선 우선순위를 정하는 데 실용적인 인사이트를 제공한다. 한계점으로는 네트워크 구축 시 최신 데이터 반영이 어려울 수 있고, 편집 지속성 계산에 필요한 전체 히스토리 접근이 비용이 많이 든다는 점을 들었다. 향후 연구에서는 동적 네트워크 업데이트와 머신러닝 기반 가중치 최적화를 통해 모델의 실시간 적용 가능성을 탐색할 예정이다.