plgov jest projektem, który pozwala na przeszukanie całej historii Wikipedii pod kątem edycji stron dokonanych przez polską administrację publiczną. W tym celu odczytuje on publicznie dostępne archiwum zmian Wikipedii i filtruje je, szukając poprawek naniesionych przez niezarejestrowanych użytkowników, których adres IP należy do wskazanej listy. Następnie możliwe jest przygotowanie raportu, takiego jak ten dostępny na stronie: https://git.io/plgov
Na stronie: https://git.io/plgov dostępna jest tabelka zawierająca sześć tysięcy zmian w Wikipedii. Dane podzielone są na sześć kolumn: IP, rDNS, tytuł, data, link do strony ze zmianami oraz ilość osób, która obejrzała tę konkretną zmianę.
Pierwsza kolumna, adres IP, to numer komputera w Internecie, który dokonał tej zmiany. W tej samej kolumnie znajduje się łącze oznaczone [W], gdzie można wygodnie sprawdzić w internetowym rejestrze WHOIS, do kogo w tym momencie należy ten adres. Druga kolumna to rDNS, czyli nazwa hosta przypisana do tego adresu IP, ustawiona przez administratora sieci. Trzecia i czwarta kolumna mówią o tym, jaki artykuł i kiedy zmieniono.
Piąta kolumna jest prawdopodobnie najbardziej interesująca - to łącza do polskiej Wikipedii, gdzie można sprawdzić, czego konkretnie dotyczyła ta pojedyncza zmiana. Pierwszy link, nazwany "LINK", prowadzi do mobilnej wersji strony, która może być czytelniejsza dla osób nie znających szczegółów działania Wikipedii. Wskazane tam poprawki zaznaczono na zielono, jeśli dany fragment został dopisany w ramach wyświetlanej zmiany. Kolor czerwony oznacza, że fragment został usunięty, a biały kolor pokazuje kontekst, w którym dokonano zmiany.
Drugie łącze w piątej kolumnie, oznaczone jako "[2]" zawiera wersję strony nie przeznaczoną dla urządzeń mobilnych. Można w niej znaleźć więcej informacji, a na dole strony - jej wersję po poprawkach.
Ostatnia kolumna to przybliżona ilość osób (mierzona ilością adresów IP), która obejrzała daną zmianę korzystając z tego raportu. Aby ją ustalić, linki z piątej kolumny wskazują najpierw na serwer, z którego pochodzi raport, który zapisuje, które zmiany zostały obejrzane przez adres IP odwiedzającego. Żadne inne dane o osobach odwiedzających serwis nie są zbierane.
Badanie wykonano w ciągu kilku dni na komputerze z procesorem i7-3770, wyposażonym w 8GiB pamięci RAM oraz dysk twardy z przynajmniej 30GiB wolnego miejsca. Komputer był podłączony do szerokopasmowego internetu oraz miał zainstalowany system Fedora Linux w wersji 21. Proces zaczęto od pobrania czterech archiwów Wikipedii z dnia 19 lutego 2015r., oraz archiwum rDNS firmy Rapid7 ("Sonar") z dnia 11 marca 2015r., dostępnych w dniu badania pod poniższymi adresami:
https://dumps.wikimedia.org/plwiki/20150219 (pliki: "All pages with complete page edit history (.bz2)")
https://scans.io/data/rapid7/sonar.rdns/20150311-rdns.gz
Następnie, z pliku 20150311-rdns.gz przy pomocy programu wybrano wszystkie adresy IP z adresem rDNS kończącym się na .gov.pl i zapisano je do pliku iplist.txt. Po tym kroku użyto programu etree.py, wskazując mu pojedynczo każdy z archiwów plwiki-20150219-pages-meta-historyN.xml.bz2 (gdzie N to liczby od 1 do 4 włącznie) oraz plik iplist.txt. Ostatnim krokiem było przygotowanie środowiska front-end korzystając ze skryptów dostępnych w katalogu frontend. Zarówno etree.py jak i katalog frontend dostępne są pod poniższym adresem:
https://github.com/d33tah/plgov
Aby pozwolić na uczciwą ocenę tych danych, należy zwrócić uwagę na kilka wad w aktualnej metodzie pozyskiwania danych. Przede wszystkim, informacja o tym, czy dany adres IP należy do administracji publicznej, została wykonana w oparciu o aktualny zbiór rDNS, podczas gdy część zmian została naniesiona kilka lat temu. W tym czasie dany adres IP mógł należeć do innego właściciela, dlatego im dawniej zostały naniesione dane poprawki do Wikipedii, tym mniej wiarygodne mogą one być.
Dane są także niekompletne - uwzględniono tylko adresy IP posiadające rekord rDNS kończący się na ".gov.pl". Raport nie zawiera także zmian dokonanych przez zarejestrowanych użytkowników.
Z technicznego punktu widzenia, część zmian mogła być wykonana przez osoby nie będące pracownikami instytucji publicznych. Możliwe jest, że - przykładowo - komputer podłączony do sieci Ministerstwa Finansów udostępniał publiczną sieć bezprzewodową, z której korzystały osoby nieuprawnione. Dodatkowo, istnieje prawdopodobieństwo, że któryś z komputerów nie należących do infrastruktury administracji publicznej ustawił swój adres rDNS na taki, który kończy się na .gov.pl, choć jest to w ocenie autora mało prawdopodobne.
Niezależnie od wyżej wspomnianych problemów, projekt został wykonany z dużą starannością, a jego wyniki pracy można odtworzyć.