সার্ভেইল্যান্স ক্যাপিটালিজম ও AI-চালিত ট্র্যাকিং

import random
random.seed(3)

# টয় কনটেন্ট সেট: প্রতিটি আইটেমের engagement_score (স্ক্রল/রি-ওয়াচ টানার সম্ভাবনা)
# এবং info_quality (তথ্যের নির্ভরযোগ্যতা/মান) -- শুধু বিশ্লেষণের জন্য, ব্যবহারকারীর কাছে অদৃশ্য
content = []
for i in range(40):
    if i % 5 == 0:
        # sensational/কম-মানের কিন্তু হাই-এনগেজমেন্ট আইটেম
        content.append({
            "id": i,
            "engagement_score": random.uniform(70, 95),
            "info_quality": random.uniform(10, 35),
        })
    else:
        # মানসম্মত, কম sensational আইটেম
        content.append({
            "id": i,
            "engagement_score": random.uniform(20, 55),
            "info_quality": random.uniform(55, 90),
        })

def neutral_feed(items):
    return sorted(items, key=lambda c: c["id"])

def engagement_optimized_feed(items):
    return sorted(items, key=lambda c: -c["engagement_score"])

TOP_N = 10
neutral_top = neutral_feed(content)[:TOP_N]
engagement_top = engagement_optimized_feed(content)[:TOP_N]

def avg(key, items):
    return sum(c[key] for c in items) / len(items)

# টয় রেভিনিউ মডেল: প্রতি এনগেজমেন্ট-পয়েন্ট, ব্যবহারকারী গড়ে একটি নির্দিষ্ট মূল্যের বিজ্ঞাপন-এক্সপোজার আনে
AD_VALUE_PER_ENGAGEMENT_POINT = 0.05  # সম্পূর্ণ কাল্পনিক/ইলাস্ট্রেটিভ একক

for label, feed in [("Neutral (chronological)", neutral_top), ("Engagement-optimized", engagement_top)]:
    avg_engagement = avg("engagement_score", feed)
    avg_quality = avg("info_quality", feed)
    est_revenue = sum(c["engagement_score"] for c in feed) * AD_VALUE_PER_ENGAGEMENT_POINT
    print(f"{label}:")
    print(f"  টপ-{TOP_N} আইটেমের গড় engagement_score = {avg_engagement:.1f}")
    print(f"  টপ-{TOP_N} আইটেমের গড় info_quality      = {avg_quality:.1f}")
    print(f"  ইলাস্ট্রেটিভ আনুমানিক বিজ্ঞাপন-রেভিনিউ    = {est_revenue:.2f} একক\n")