#meri.to

[mauromagnasco]

¿Tú crees que exista suficiente gente viendo y compartiendo videos online como para que Globo Rojo funcione?

Lee el artículo completo acá:

https://merito.ghost.io/2014/06/20/internetv/

[mauromagnasco]

Definición de Meri.to | Globo Rojo

Meri.to es un algoritmo que propone un nuevo sistema de medición de aprobación social de contenido en plataformas de comunicación digitales.

MERI.TO from Mauro Magnasco on Vimeo.

A diferencia de la mayoría de los algoritmos existentes, Meri.to es una fórmula relativamente simple, de conocimiento público y de código abierto, que promueve la meritocracia para el intercambio de información objetiva y transparente.

La fórmula del algoritmo es un promedio más certero que la simple suma de las notas y la división por la cantidad de estas, equilibrando la cantidad de la aprobación con su calidad. Cada usuario cuenta con la capacidad de influir en mayor o menor medida en diferentes temáticas mediante las cuales se categoriza el contenido disponible.

En resumen, cada usuario tiene un puntaje para cada tema de discusión y, al manifestarse, su opinión es ponderada por su propiedad en esa área específica (percibida según el resto de los usuarios). De esta manera se produce un círculo virtuoso donde los usuarios tienen los incentivos para tener buenos puntajes en sus áreas de interés, y al mismo tiempo la opinión del resto de los usuarios sobre su contenido es más certera (dado que está ponderada por la propiedad de cada uno).

Características

Al igual que la mayoría de las redes sociales este algoritmo le entrega la habilidad a todos los usuarios de expresar su opinión sobre el contenido.

En este caso, en vez de solo limitarse a una expresión positiva o negativa, la evaluación debe ser manifestada en una escala de 0 a 5. De esta manera los contenidos capturan notas a lo largo del tiempo, las cuales se promedian en una puntaje para cada uno de la siguiente manera:

Las notas que recibe un contenido se ponderan por el respectivo “mérito” su autor. O sea, cuando un usuario pone una nota, esta se multiplica por el puntaje acumulado (meri.to) del usuario y se divide por la suma total de los meri.tos (de todos los usuarios que se han expresado respecto de ese contenido). Luego, el proceso se repite para las demás notas que reciba ese contenido, y se suma el resultado de cada operación, para dar la nota promedio del contenido.

Fórmula Etiqueta

Cada usuario es responsable de elegir una etiqueta para cada contenido que comparte. Esta etiqueta es una expresión de la perspectiva desde la cual el autor pretende que el contenido sea evaluado por sus pares. Por lo tanto el puntaje de cada contenido contribuye al promedio de la nota de ese usuario, en esa etiqueta.  El usuario puede tener cuantas etiquetas desee en su perfil, las cuales están determinadas por el contenido que este ha compartido anteriormente. Cada etiqueta tiene una nota promedio que considera los puntajes que han obtenido todos los contenidos que ese usuario ha compartido con esa etiqueta.

Reglas generales:

1) Se constituye que todos los usuarios tienen, por defecto, meri.to = 1 en todas las etiquetas que no han utilizado (de manera de establecer igualdad de derecho en temas sobre los cuales no hay precedentes).

2) Si un contenido no tiene notas, ese contenido tiene por defecto nota = 0, por lo tanto si ese es el único contenido que su autor tiene con esa etiqueta, el meri.to del autor en ella es igual a cero. Por consiguiente, si ese usuario evalúa, más tarde, otro contenido de la misma categoría, su nota se va a multiplicar por cero, anulándose en términos matemáticos.

Fórmula Meri.to general

Todas las etiquetas de un usuario se promedian de modo lineal, sumando todos los puntajes de estas y dividiendo por el número total de etiquetas. En conjunto establecen un meri.to general para el usuario, el cual sólo tiene un caracter simbólico y no incide en el cálculo de las notas que pone ese usuario.

Historia

Creada en 2014 por Mauro Magnasco, este algoritmo nace como una respuesta a la necesidad de hacer evidente las razones detrás de la selección del contenido al cual se ven expuestos los usuarios en las redes sociales.

Caso práctico

En el siguiente ejemplo suponemos la existencia de tres usuarios (A, B y C) los cuales tienen distintos meri.tos en dos categorías (#beer / #tech).

Los tres evalúan dos contenidos distintos, uno de cada categoría y sus notas se calculan de la siguiente manera:

En el caso del contenido de la categoría #beer, el puntaje según un promedio lineal sería 3.6 [(5+5+1)/3], pero en este caso el promedio es más bajo (2.7)dado que los dos usuarios con mayor meri.to pusieron notas bajas.

En el segundo ejemplo, del contenido de la categoría #tech, el puntaje según un promedio lineal sería 2.6 [(5+2+1)/3], pero en este caso el promedio es más alto (3.6) dado que el usuario con mayor meri.to puso una notas más alta.

http://globorojo.tv/