Как мы работаем

Числа считает код

Каждое число в тексте и на графиках получено программой из опубликованных данных. Автор статьи — человек или нейросеть — не может вписать цифру руками: сборка сайта проверяет это и не выпускает статью с такой цифрой.

Данные и методология открыты

К каждому исследованию приложены таблицы CSV с теми же числами, что на графиках, и списки слов, по которым велся подсчёт. Графики можно встраивать: код есть под каждым из них.

Тексты песен мы не публикуем

Тексты песен принадлежат авторам. Мы используем их только для подсчёта и не выкладываем ни целиком, ни частями: наружу уходят лишь числа — сколько песен содержат слово или тему.

Как мы считаем слова

• Слова приводятся к начальной форме: «любви», «любовью» и «любовь» — одно слово.
• Слово учитывается один раз на песню: припев, спетый восемь раз, не делает слово главным словом чарта.
• Служебные слова — местоимения, предлоги, союзы, частицы, междометия — не считаются. Самые частые глаголы-связки («знать», «хотеть», get, go) считаются, но в рейтинг слов не попадают.
• Язык песни определяется по её словам, а не по стране артиста.
• Для казахского языка нет инструмента приведения к начальной форме, поэтому казахские слова сравниваются как есть, а темы ищутся по началу слова.

Слова, по которым ищутся темы

Многозначные слова исключены: например, «господин» не считается упоминанием бога, а «смотреть» — упоминанием глаз.

Ограничения

У каждого источника есть слепые зоны, и мы называем их в статье. Пример: чарт Shazam показывает, какие песни люди распознают, а не сколько их слушают. А тексты есть в открытой базе не для всех песен: песни без текста в подсчёт слов не входят, и доля таких песен указана.

Исправления

Если мы находим ошибку, мы исправляем статью и пишем об этом в её конце: что было неверно, что исправлено и когда. Старые версии данных остаются в истории репозитория.