این اعداد از کجا می‌آیند

چه چیزی شمرده می‌شود

پست‌های منتشرشده در کانال‌های عمومی تلگرام فارسی جمع‌آوری و نمایه می‌شوند. برای هر پست، موضوع‌هایی که درباره‌شان صحبت شده استخراج می‌شود و در این صفحات شمرده می‌شود که چند پست جداگانه به هر موضوع پرداخته‌اند — نه اینکه یک واژه چند بار تکرار شده. پستی که سه بار «ایران» بگوید، یک پست شمرده می‌شود.

«رشد» یعنی چه

هر موضوع با میانگین خودش در چهار هفته‌ی پیش سنجیده می‌شود، نه با موضوعات دیگر. به همین دلیل موضوعی با ۱۵۰ پست می‌تواند بالاتر از موضوعی با ۳٬۰۰۰ پست بایستد: دومی همیشه پرحجم است و خبری در آن نیست. عدد نهایی با لگاریتم حجم تعدیل می‌شود تا جهش از ۵ به ۵۰ بالاتر از جهش از ۲۰۰ به ۹۰۰ ننشیند.

«حال‌وهوا» چقدر قابل اتکاست

حال‌وهوا برآوردی خودکار است و روی تک‌پست قابل اتکا نیست. متن پشت برچسب‌ها را خوانده‌ایم: خبر انفجار «نگرانی» خورده و تشییع یک خلبان «اندوه» — درست — ولی خبر عبور زائران از مرز هم «اندوه» خورده که غلط است. به همین دلیل فقط به‌صورت توزیع روی هزاران پست منتشر می‌شود، جایی که خطاهای پراکنده یکدیگر را خنثی می‌کنند، و هرگز به یک پست یا یک نام نسبت داده نمی‌شود.

عدد تیتر هم حالت «خنثی» را کنار می‌گذارد: هر هفته بیشتر پست‌ها خنثی‌اند و گفتنش چیزی به خواننده اضافه نمی‌کند.

چه چیزی منتشر می‌شود و چه چیزی نه

صفحات ترند، دسته‌ها و گزارش‌های هفتگی فقط شمارش تجمیعی دارند: نه متن پیامی، نه نام کانالی، نه نسبت‌دادن چیزی به کسی.

صفحه‌ی اخبار یک استثنای عمدی است. آنجا تیتر و بخشی از متن خودِ ناشر می‌آید، با نام کانال و لینک به منبع اصلی — همان کاری که یک تجمیع‌کننده‌ی خبر می‌کند. مرزهایش اینهاست: فقط کانال‌های خبری و نه گروه‌ها (محتوای گروه‌ها شخصی است و کامل کنار گذاشته شده)؛ هرگز کل متن، همیشه با لینک بازگشت؛ و هیچ برچسب خودکاری کنار هیچ نامی نمی‌نشیند. تنها معیار رتبه‌بندی، تعداد بازدید است — عددی که خود تلگرام گزارش می‌کند، نه داوری ما.

پیش‌بینی هم منتشر نمی‌شود. مدل‌های پیش‌بینی این سامانه سنجیده شده‌اند و خطای میانگینشان بین ۸۳٪ تا بیش از ۱۳۰۰٪ است و به‌طور سیستماتیک بالاتر از واقعیت تخمین می‌زنند؛ عددی با این کیفیت روی یک صفحه‌ی عمومی جای ندارد.

محدودیت‌ها

این نمونه‌ای از تلگرام فارسی است، نه همه‌ی آن. پوشش موضوع‌ها روی حدود نیمی از پست‌ها انجام شده، پس اعداد نسبی معنا دارند و اعداد مطلق کف‌اند نه کل. آرشیو هر بار از نو محاسبه می‌شود، بنابراین اگر خطایی در داده اصلاح شود، صفحات قدیمی هم اصلاح می‌شوند — عدد دیروز ممکن است امروز کمی فرق کند، و این عمدی است.