Wie wir scoren — und warum

Composite-Score, der fuenf normierte Eingaben (jeweils 0..100) gewichtet aufsummiert. Das Ergebnis bestimmt die Sortierung in Listen und im Radar.

articleScore = 0.30 · truth + 0.25 · rating + 0.20 · engagement + 0.15 · topicGrowth + 0.10 · freshness

Truth dominiert, weil Hypexio sich daran misst. Engagement ist logarithmisch, damit ein viraler Beitrag nicht alles ueberschreibt. Topic-Growth und Freshness sind echte, aber schwaechere Signale.

Aus den Einzelvotes berechnen wir gewichtete Mittelwerte und einen Controversy-Score. Gewichte verstaerken vertrauenswuerdige User; Roh-Counts bleiben sichtbar, damit die UI ehrlich bleibt.

• approvalRatio = likeWeight / (likeWeight + dislikeWeight)

• realityAvg = sum(weight · realityValue) / sum(weight)

• controversyScore = 100 · (1 − |approvalRatio − 0.5| · 2)

Controversy ist eine eigene Dimension, damit polarisierende Beitraege explizit sichtbar sind und nicht aus der Approval-Ratio "rausgemittelt" werden.

Aktivitaets-gewichtete Verteilung ueber alle Kategorien — die Summe ergibt exakt 100. Trends laufen ueber den 30-Tage-Vergleich.

• activity = 1 · votes + 3 · predictions + 5 · articles

• weight   = round(100 · activity_7d / Σ activity_7d)

• trend(up)     when activity_7d / baseline ≥ 1.2

• trend(down)   when activity_7d / baseline ≤ 0.8

• trend(stable) sonst

Stimmen werden in den Bereich 1.0..2.5 skaliert — linear in der Reputation, beidseitig geclamped.

voteWeight(reputation) = 1.0 + min(max(reputation, 0), 100) / 100 · 1.5

Jede Quelle hat einen Trust-Score (0..100), der Crawl-Dichte, historische Korrekturen und Cross-Check-Bestaetigungen zusammenzieht.

• → Aktive Quellen werden taeglich gecrawlt; HTML-Hashes deduplizieren.
• → Quellen unter Trust-Score 30 erscheinen nur in Article-Bodies, niemals als Lead.
• → Korrekturen werden public per Diff dokumentiert.
• → Anonymous-Posts und Pressemitteilungen ohne benannten Autor zaehlen als low-trust.