#!/usr/bin/env python3 """Mesure le TAUX DE BASE d'engagement sur dev.to : quelle part des articles recents d'une etiquette recoit zero commentaire et zero reaction. POURQUOI CETTE MESURE EXISTE. Pendant sept jours j'ai lu « 0 commentaire sur mes 7 articles » comme un verdict sur ce que j'ecris. Le conseil du 20/09 en a meme tire une these : mes objets ne donneraient a personne une raison d'agir. **Or je n'avais jamais mesure a quoi ce zero devait etre compare.** Un zero n'est informatif que CONTRE UN TAUX DE BASE ; sans lui, il ne dit rien. Resultat du premier passage (20/09, 494 articles, mes propres articles exclus) : **85,8 % des articles dev.to recents sur mes etiquettes ont ZERO commentaire**, et **78,3 % ont ZERO reaction**. Mediane des commentaires : 0. Mediane des reactions : 0. Donc P(mes 7 articles tous a zero commentaire) = 0,858^7 = **34 %** : l'issue la plus banale qui soit. Et le nombre attendu de mes articles portant au moins une reaction etait **1,52** ; j'en observe **1**. **Mon engagement dev.to est indiscernable de celui d'un article dev.to ordinaire.** Ce que cette mesure NE dit PAS, et il faut le lire aussi : elle ne rachete pas dev.to comme canal. **0 clic sortant sur 118 vues reste 0 clic** — c'est un autre nombre, avec sa propre borne (2,51 % a 95 %). Elle retire seulement au *commentaire* et a la *reaction* le statut de preuve qu'on leur pretait. Usage : outils/venv/bin/python outils/mesure_devto_socle.py # affiche outils/venv/bin/python outils/mesure_devto_socle.py --ecrire # + JSON dans media/mesures/ METHODE, et ses limites, dites ici plutot qu'omises : - L'echantillon est « les N articles que l'API rend pour cette etiquette », pas un tirage aleatoire dans tout dev.to. C'est le voisinage ou MES articles atterrissent, ce qui est precisement la comparaison utile — mais ce n'est pas « dev.to en general ». - Les articles tres recents ont eu moins de temps pour recevoir un commentaire : le taux de zero est donc LEGEREMENT SUR-ESTIME. Le biais va dans le sens qui m'arrange, et je le dis. - Mes propres articles sont exclus du calcul, sinon je me comparerais a moi-meme. """ import json import statistics import sys import time import urllib.request from datetime import datetime, timezone from pathlib import Path RACINE = Path(__file__).resolve().parent.parent CONF = RACINE / "outils" / "devto.json" # NE PAS ecrire dans site/public/ : c'est le dossier de CONSTRUCTION, regenere a chaque # passage de construire.py — un fichier depose la est efface au build suivant. Trouve le # 20/09 en cassant /donnees/ entierement : la page declarait une donnee absente. SORTIE = RACINE / "media" / "mesures" / "devto-socle-engagement.json" # Les etiquettes que je porte reellement sur mes articles publies. ETIQUETTES = ["ai", "webdev", "testing", "discuss", "tts"] MOI = "obole" def lire(url, cle): r = urllib.request.Request(url, headers={"api-key": cle, "User-Agent": "obole-ia"}) with urllib.request.urlopen(r, timeout=30) as f: return json.load(f) def main(): cle = json.loads(CONF.read_text(encoding="utf-8"))["cle"] par_etiquette = [] tous_com, tous_reac = [], [] for tag in ETIQUETTES: articles = lire("https://dev.to/api/articles?tag=%s&per_page=100" % tag, cle) articles = [a for a in articles if (a.get("user") or {}).get("username") != MOI] if not articles: print("%-10s aucun article rendu" % tag, file=sys.stderr) continue com = [a.get("comments_count", 0) for a in articles] reac = [a.get("public_reactions_count", 0) for a in articles] par_etiquette.append({ "etiquette": tag, "n": len(articles), "part_zero_commentaire": sum(1 for v in com if v == 0) / len(com), "part_zero_reaction": sum(1 for v in reac if v == 0) / len(reac), "mediane_commentaires": statistics.median(com), "mediane_reactions": statistics.median(reac), }) tous_com += com tous_reac += reac time.sleep(1) if not tous_com: print("ECHEC : aucun article lu, rien n'est ecrit.", file=sys.stderr) return 1 n = len(tous_com) p0c = sum(1 for v in tous_com if v == 0) / n p0r = sum(1 for v in tous_reac if v == 0) / n # Mes propres articles, lus a la meme minute et par la meme API. miens = lire("https://dev.to/api/articles/me/published?per_page=50", cle) m_com = [a.get("comments_count", 0) for a in miens] m_reac = [a.get("public_reactions_count", 0) for a in miens] k = len(miens) donnees = { "mesure": "taux de base d'engagement sur dev.to, par etiquette", "date_utc": datetime.now(timezone.utc).strftime("%Y-%m-%dT%H:%M:%SZ"), "methode": "GET /api/articles?tag=&per_page=100 pour chaque etiquette portee par mes " "propres articles ; mes articles exclus du socle ; compte des articles a zero " "commentaire et a zero reaction", "limites": [ "echantillon = ce que l'API rend pour l'etiquette, pas un tirage aleatoire de dev.to", "les articles tres recents ont eu moins de temps pour recevoir un commentaire : " "la part de zeros est legerement sur-estimee, et ce biais me favorise", ], "socle": { "n": n, "part_zero_commentaire": p0c, "part_zero_reaction": p0r, "mediane_commentaires": statistics.median(tous_com), "mediane_reactions": statistics.median(tous_reac), "par_etiquette": par_etiquette, }, "moi": { "n_articles": k, "commentaires": m_com, "total_commentaires": sum(m_com), "reactions": m_reac, "total_reactions": sum(m_reac), "proba_tous_a_zero_commentaire_sous_le_socle": p0c ** k, "attendu_articles_avec_au_moins_une_reaction": k * (1 - p0r), "observe_articles_avec_au_moins_une_reaction": sum(1 for v in m_reac if v > 0), }, } print("=== SOCLE dev.to (mes articles exclus) ===") for e in par_etiquette: print(" %-10s n=%3d zero com %4.0f%% zero reac %4.0f%%" % (e["etiquette"], e["n"], 100 * e["part_zero_commentaire"], 100 * e["part_zero_reaction"])) print(" TOTAL n=%3d zero com %4.1f%% zero reac %4.1f%%" % (n, 100 * p0c, 100 * p0r)) print() print("=== MOI, %d articles ===" % k) print(" commentaires : %d au total" % sum(m_com)) print(" reactions : %d au total, sur %d article(s)" % (sum(m_reac), donnees["moi"]["observe_articles_avec_au_moins_une_reaction"])) print(" P(mes %d articles TOUS a zero commentaire) sous le socle = %.1f %%" % (k, 100 * p0c ** k)) print(" articles avec >=1 reaction : attendu %.2f, observe %d" % (donnees["moi"]["attendu_articles_avec_au_moins_une_reaction"], donnees["moi"]["observe_articles_avec_au_moins_une_reaction"])) if "--ecrire" in sys.argv: SORTIE.parent.mkdir(parents=True, exist_ok=True) SORTIE.write_text(json.dumps(donnees, ensure_ascii=False, indent=1) + "\n", encoding="utf-8") print("\necrit :", SORTIE.relative_to(RACINE)) return 0 if __name__ == "__main__": raise SystemExit(main())