HN Em Dash उपयोगकर्ता लीडरबोर्ड (ChatGPT के आने से पहले के आधार पर)

 (gally.net)
1 पॉइंट द्वारा GN⁺ 2025-08-31 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • यह लीडरबोर्ड ChatGPT के रिलीज़ से पहले (30 नवंबर 2022) तक Hacker News पर em dash (—) शामिल करने वाली पोस्टों की संख्या के आधार पर शीर्ष 50 उपयोगकर्ताओं को चुनता है
  • em dash के उपयोग की आवृत्ति के आधार पर, यह Hacker News कम्युनिटी की भाषा शैली और संस्कृति पर एक अलग तरह का सांख्यिकीय नज़रिया देता है
  • यह लीडरबोर्ड एक निश्चित समय से पहले की लेखन आदतों का विश्लेषण करके कम्युनिटी में हुए बदलावों को ट्रैक करने के लिए संदर्भ सामग्री का काम करता है
  • इसका अधिक पूर्ण संस्करण और संबंधित चर्चा लिंक भी अतिरिक्त रूप से दिए गए हैं
  • कम्युनिटी के लेखन पैटर्न या भाषा की विविधता में रुचि रखने वाले डेवलपरों और विश्लेषकों के लिए यह एक उपयोगी संसाधन है

🏆 Hacker News Em Dash Champions

  • यह लीडरबोर्ड 30 नवंबर 2022, यानी ChatGPT के सार्वजनिक होने से पहले तक की अवधि में, Hacker News पर em dash (—) शामिल करने वाली पोस्टों की संख्या के आधार पर शीर्ष 50 उपयोगकर्ताओं को चुनता है
  • यह रैंकिंग पोस्टों में em dash के उपयोग की आवृत्ति पर केंद्रित है और दिखाती है कि किन उपयोगकर्ताओं ने इस विराम-चिह्न का अधिक इस्तेमाल किया
  • अधिक परिष्कृत नवीनतम लीडरबोर्ड का लिंक उपलब्ध है
  • इस प्रोजेक्ट से जुड़ा Hacker News चर्चा थ्रेड भी सीधे लिंक किया गया है
  • इस तरह के लीडरबोर्ड कम्युनिटी की भाषाई विशेषताओं, लेखन शैली और छोटे-छोटे गतिविधि पैटर्न में रुचि रखने वाले उपयोगकर्ताओं को दिलचस्प इनसाइट्स देते हैं

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2025-08-31
Hacker News टिप्पणियाँ

  • v1(सबमिट किया गया URL) https://www.gally.net/miscellaneous/hn-em-dash-user-leaderboard.html था, अब इसे अधिक जटिल em dash विश्लेषण के लिए v2 से बदल दिया गया है; अधिक जानकारी के लिए यहाँ और यहाँ देखें

  • यही वह तरह का विषय है जो Hacker News पर बिल्कुल चाहिए, यही सच में महत्वपूर्ण मुद्दे हैं

  • Google BigQuery के HN public dataset का उपयोग करके मैंने साल-दर-साल em dash उपयोग पर query चलाई; नतीजतन हाल के वर्षों में em dash का उपयोग लगातार बढ़ा है
    2006 में यह लगभग न के बराबर था, लेकिन हाल में यह प्रति comment 1% से ऊपर चला गया है
    user-वार em dash उपयोग अनुपात निकालने पर zmgsabst ने कुल comments में सबसे अधिक उपयोग किया, और westoncb एक पुराना account है
    संबंधित लिंक: BigQuery HN dataset, zmgsabst प्रोफ़ाइल, westoncb प्रोफ़ाइल

    • अधिक उम्र के लोग, जैसे चालीस से ऊपर वाले, em dash का उपयोग करते हुए बड़े हुए हैं
    • zmgsabst की टिप्पणियाँ देखने पर dash के आसपास spaces डालने की प्रवृत्ति दिखती है — इस तरह
      दूसरी ओर, यह दिलचस्प है कि ChatGPT बिना spaces के—ऐसे—लिखता है

  • लोगों के -- यानी double hyphen उपयोग की frequency से भी ranking बनाना मज़ेदार होगा
    मैं भी लंबे समय से Linux user रहा हूँ और 2022 के अंत में Apple Silicon के बाद से MacBook भी इस्तेमाल करने लगा हूँ
    Windows और Linux में em-dash टाइप करना alt-code प्रक्रिया के कारण काफ़ी झंझटभरा है, लेकिन Mac में option key तीसरे shift की तरह काम करती है, इसलिए सिर्फ option + - दबाने पर en dash आ जाता है
    (असल में — सही em dash input shift + option + - है)
    Mac इस्तेमाल शुरू करने के बाद भी मैं जानबूझकर em dash नहीं लिखता, लेकिन मुझे लगता है कि मेरे जैसी स्थिति में किसी और का em dash उपयोग नई input सुविधा के कारण बढ़ा होगा

    • option + - से जो character आता है वह वास्तव में en dash है; em dash के लिए shift + option + - है
      TeX के अभ्यस्त लोगों के लिए -- en dash और --- em dash input का तरीका है; triple hyphen को भी list में शामिल करना अच्छा होगा
    • Linux में Compose key enable कर दें तो em dash और en dash आसानी से डाले जा सकते हैं
      उदाहरण: compose key + --- से em dash, compose key + --. से en dash
      quotation marks भी इसी तरह के combinations से डाले जा सकते हैं
      या “Level 3 shift” या “Alternate Characters Key(AltGr)” का उपयोग करके कई special characters और dash variants डाले जा सकते हैं
    • Linux environment में भी Compose key सेट कर दें तो नीचे की तरह आसानी से dash डाला जा सकता है
      --. → –
      --- → —
    • iOS में double dash टाइप करने पर उसे अपने-आप em dash में बदलने की सुविधा है — मैंने खुद double dash टाइप करके देखा

  • अगर आप अपना em dash उपयोग count जानना चाहते हैं, तो नीचे वाला script इस्तेमाल करें; बस username को अपना कर दें और output मिल जाएगा
    मेरे मामले में इस comment से पहले 46 बार उपयोग हुआ था

    curl -s "https://hn.algolia.com/api/v1/…; \
 | jq -r '.hits[].comment_text' \
 | grep -o "—" \
 | wc -l
    • यह script वास्तव में काफ़ी काम का है; मैंने सिर्फ em dash ही नहीं, en dash, --, और दूसरी strings भी check कीं

  • कुल comments के मुकाबले em dash के अनुपात पर आधारित विश्लेषण अधिक दिलचस्प लगेगा; शायद बाद में जुड़े users भी ranking में ऊपर आ सकते हैं

    • ऊपर वाली query को Google Cloud BigQuery में सीधे चलाया जा सकता है.
      बताए गए GoogleSQL pipe syntax का उपयोग करके हर user के em dash अनुपात के अनुसार sort किया जा सकता है
      (मेरे मामले में कुल 875 comments में 258 em dash थे (0.29 अनुपात), जिससे मैं 516 लोगों में 47वें स्थान पर रहा)
      अगर timestamp से जुड़ी जानकारी भी निकालनी हो, तो अतिरिक्त query से first/avg timestamp आदि देखे जा सकते हैं
      वैसे यह ध्यान खींचता है कि सबसे अधिक em dash उपयोग करने वाले user ने जनवरी 2022 के अंत में activity शुरू की थी

  • सिर्फ raw numbers के बजाय, अगला(शब्द)—(em dash)—(शब्द) की तरह शब्दों के बीच जुड़े हुए उपयोग को ही count करना और गहरी statistics दे सकता है
    उदाहरण के लिए "(—)" या spaces वाले em dash, या रूसी users की पसंदीदा शैली को बाहर रखा जा सकता है
    और अलग-अलग भाषाओं में webpage titles में "[page name] — [site name]" pattern प्रचलित रूप से बहुत इस्तेमाल होता है

    • सिर्फ रूस ही नहीं, AP style guide भी em dash के आगे-पीछे spaces रखने को कहती है
      UK style guides (जैसे The Guardian) en dash + spaces की सिफारिश करती हैं, लेकिन व्यवहार में em dash + spaces भी अक्सर दिखता है
      जर्मनी जैसे दूसरे देशों में भी em dash उपयोग की शैली विविध है; यह सिर्फ अमेरिका और रूस तक सीमित नहीं है

  • em dash ranking खेल मज़ेदार है, लेकिन कुल comment count ज़्यादा होने पर फ़ायदा मिल जाता है, इसलिए क्या em dash/comment ratio ज़्यादा अर्थपूर्ण नहीं होगा?

    • अभी मैंने HuggingFace के HN dataset से ratio के आधार पर खुद calculation किया; 2018 से em dash ratio तेज़ी से बढ़ा है
      खासकर 2024 के उत्तरार्ध से फिर तेज़ उछाल दिखता है
      अफ़सोस है कि 2025 data नहीं है, लेकिन ऐसा लगता है कि pre-genAI दौर से em dash प्रेमियों की बात पूरी तरह निराधार नहीं थी

  • मैं जानना चाहता हूँ कि em dash की पहचान का मानदंड क्या वास्तव में Unicode em dash है
    मैंने भी 90 के दशक में papers लिखने के लिए Latex सीखा था, और तब से --- combination (triple hyphen) आदत की तरह इस्तेमाल करता हूँ; अब सोचता हूँ कि क्या आजकल यही LLM-generated text का सुराग बन गया है

    • Mac में em dash डालने का एक आसान shortcut है; कुछ समय तक मैं सिर्फ Mac पर ही em dash ठीक से टाइप करता था
      यह मुझे “ऐसा Mac user जो writing style की परवाह करता है” का संकेत लगता था
      अभी Mac नहीं है, इसलिए तुरंत em dash बनाने का तरीका नहीं मालूम; पहले Latex या triple hyphen combination ही विकल्प थे
    • contrast को ज़ोर देकर लिखने की यह शैली ही असल में LLM की पहचान है
      ज़्यादातर लोगों के लिए अपरिचित special typography character (em dash) का उपयोग संदेह और बढ़ा देता है
    • मेरी Compose key right alt + left ctrl पर सेट है, इसलिए अब --- से — और --. से – आसानी से बन जाता है
      वैसे en dash का तो लगभग ज़िक्र ही नहीं होता

  • मैं em dash का प्रशंसक हूँ—हम जैसे कुछ लोग हैं—लेकिन ChatGPT के em dash का सक्रिय उपयोग देखकर मैं पूरी तरह खुश नहीं हो सकता
    मेरा मानना है कि RLHF tuning की प्रकृति के कारण em dash—जो en dash और hyphen से साफ़ अलग है—को authoritative writing style के संकेत की तरह समझा गया है

    • ब्रिटिश औपचारिक लेखन में पारंपरिक रूप से ‘word en-dash word’ होता है
      ‘wordem-dashword’ को मैं अमेरिकी शैली मानता था, और UK में इसे लगभग कभी नहीं देखा
      बाहरी लोग अक्सर en dash और hyphen का अंतर नहीं जानते, और media भी इस पर बहुत सख़्त नहीं होता
      ChatGPT के em dash उपयोग को अमेरिकी datasets के प्रभाव से जोड़कर भी देखा जा सकता है
      (मैं 30 साल के अनुभव वाला पूर्व professional writer हूँ, और ChatGPT को शुरू से ही कहता हूँ कि em dash और Title Case titles का उपयोग न करे)
      संदर्भ: The Guardian style guide
    • व्यक्तिगत रूप से मुझे इससे बहुत झुंझलाहट होती है
      em dash, जो कभी “डिटेल पर ध्यान देने वाले इंसान द्वारा लिखे गए text” का संकेत था, अब AI द्वारा बनाए गए आम output की तरह लगने लगा है, और यह खलता है
      कभी-कभी तो लगता है जैसे LLM मुझे चिढ़ाने के लिए ही विकसित किए गए हों