Einführung in die Statistik der Textdateien

Im April 2001 veröffentlichte ich erstmals mein Webangebot. Schon zwei Monate später keimte in mir der Gedanke, das Webangebot einer statistischen Untersuchung zu unterziehen. Leider gingen bis 2009 einige Daten, die ich bereits gespeichert (aber noch nicht veröffentlicht) hatte, verloren, so daß es erst ab 2009 zu einer zeitlich verdichteteren Datensammlung kommen konnte.

Um eine Struktur für die Textdateien zu bekommen, ordnetete ich sie zunächst bestimmten Kategorien zu: 1. Grad, 2. Grad, 3. Grad, 4. Grad, Zitate, Verzeichnisse, Navigatoren, Rest. Diese Zuordnung wurde nicht nur nach subjektiven, sondern auch nach objektiven Kriterien getroffen, z.B. orientiert an der Frage nach den Zugriffsmöglichkeiten auf die Textdateien (diesem Aspekt gab ich den Namen „Zugriff“). der Bedeutung für Natur, Kultur, Technik, Wissenschaft, Wirtschaft, Politik, Kunst, insbesondere bezüglich deren Entwicklungen (Evolution/Geschichte) und der Theoriebiuldung (diesem Aspekt gab ich den Namen „Bedeutung“) oder einem Mix aus beidem (diesen Aspekt gab ich dem Namen „Zugriff/Bedeutung-Mix“). Des weiteren stellte sich die Frage nach den Beziehungen der Textadateien zueinander und zu deren Kategorien sowie auch und immer mehr der Kategerien zueinander.

Nach ich die diachronen (historischen) Daten mit dem Titel Veränderungen seit April 2001 von den synchronen (aktuellen) Daten getrennt hatte erschein mir jene Trennung innerhalb dieser, die den eben schon erwähnten Zusammenhang mit den Aspekten berücksichtigt, sehr sinnvoll zu sein, bevor ich diese Beziehungen (wieder) in die Statistik integrierte: Anzahl und Größe einerseits und Verweise und Anker andererseits, weil ich bei der Erstellung der Statistik von den vier Datenmerkmalen Anzahl, Größe, Linkanzahl, Ankeranzahl ausging und auch deren Beziehungen untereinander untersuchen wollte.

Sehr angetan war ich dabei von der Idee, daß jede oder fast jede Verteilung der Textdateien und Textadateienkategorien eine „Pareto-Verteilung“ („20/80-Regel“) beinhalte, weshalb ich jeden Aspekt und jedes Datenmerkmal daraufhin überprüfte, wie sich an den Exkursen 2 und 3 besonders gut erkennen läßt. Zwar läßt sich die „Pareto-Verteilung“ vorschnell und leichtfertig in alles hineindeuten, aber als Tendenz ist sie tatsächlich in vielen Phänomenen enthalten. Für mein Internetangebot sollte sich bezüglich der Aspekte heraustellen, daß die „Pareto-Verteilung“ am meisten auf die Aspekte „Bedeutung“ (), „Zugriff“ (), „Zugriff/Bedeutung-Mix“ () und „Textdateien-Seitenverweise-Verhältnis“ (), etwas weniger bezüglich des Aspekt „Anzahl und Größe von der »Größendurchschnittstextdatei« aus gesehen“ () und am wenigsten auf den Aspekt „Anzahl-Größe-Verhältnis“ () zutrifft (). Was die Verweise als Datenmerkmal angeht, so sollte sich herausstellen, daß es gleich mehrere Verhältnisse gibt, die darauf schließen lassen, daß hier eine „Pareto-Verteilung“ gegeben ist, z.B.das der internen und externen zu allen Links (), wenn vorausgesetzt wird, daß interne Links ein Indiz dafür seien, daß externe Links auf sie bzw. die sie beherbergenden Textdateien verweisen, oder das der Anker zu den externen Links (), wenn vorausgesetzt wird, daß Anker ein Indiz dafür seien, daß externe Links auf sie bzw. die sie beherbergenden Textdateien verweisen.