EduRating
EduRating v1Sådan sikrer vi troværdige og hjælpsomme ratings
Simple gennemsnit behandler alle anmeldelser ens, uanset om de kommer fra:
- En verificeret studerende med mange hjælpsomme anmeldelser
- En ny bruger uden verifikation
- En anmeldelse fra i går eller for 5 år siden
Dette kan føre til manipulation og utroværdige ratings. Derfor bruger vi EduRating algoritmen, som tager højde for flere faktorer.
EduRating komponenter
Hver anmeldelse får en vægt mellem 0 og 1, baseret på følgende faktorer:
Jo højere verifikation, jo mere troværdig er anmeldelsen.
Anmeldelser der er markeret som hjælpsomme af andre brugere får højere vægt.
score = hjælpsomme_stemmer / total_stemmerNyere anmeldelser afspejler den nuværende situation bedre end gamle.
vægt = 1.0 × e^(-alder_i_dage / 730)Brugere med en historik af hjælpsomme anmeldelser får bonus.
bonus = min(bruger_gennemsnit_hjælpsomhed × 0.2, 0.2)EduRating = verifikation × (1 + hjælpsomhed × 0.3) × recency × (1 + brugerbonus)- • Verifikation: 1.3 (email)
- • Hjælpsomhed: 8/10 stemmer = 0.8
- • Alder: 3 måneder = 0.98
- • Brugerbonus: 5 anmeldelser, 75% hjælpsomme = +0.15
Den endelige rating for en institution eller virksomhed beregnes som:
Overall Rating = (Σ rating × EduRating) / (Σ EduRating)Dette er et vægtet gennemsnit, hvor troværdige anmeldelser har større indflydelse.
Eksempel med 3 anmeldelser:
For at forhindre gaming af systemet:
- IP-hashing: Vi registrerer en hash af din IP-adresse for at forhindre multiple anmeldelser fra samme kilde
- Minimum stemmer: Hjælpsomhedsbonus kræver mindst 3 stemmer for fuld effekt
- User agent tracking: Vi overvåger adfærdsmønstre for at opdage bots
- Verifikation: Højeste vægt kræver reel verifikation af studietilknytning
- Moderation: Rapporterede anmeldelser gennemgås manuelt
Har du spørgsmål til hvordan vi beregner ratings eller forslag til forbedringer?
Kontakt os på feedback@edurate.dk →