5.3.1 ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ

ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಬಹುಮಾನ ಸಿನೆಮಾ ಜನರು ಬಯಸುವರು ಊಹಿಸಲು ಮುಕ್ತ ಕರೆ ಬಳಸುತ್ತದೆ.

ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಬಹುಮಾನವು ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧ ಓಪನ್ ಕರೆ ಯೋಜನೆಯಾಗಿದೆ. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಒಂದು ಆನ್ಲೈನ್ ​​ಮೂವಿ ಬಾಡಿಗೆ ಕಂಪನಿಯಾಗಿದ್ದು, 2000 ರಲ್ಲಿ ಸಿನೆಮಾಚ್ ಅನ್ನು ಗ್ರಾಹಕರಿಗೆ ಸಿನೆಮಾ ಶಿಫಾರಸು ಮಾಡಲು ಸೇವೆಯನ್ನು ಪ್ರಾರಂಭಿಸಿತು. ಉದಾಹರಣೆಗೆ, ನೀವು ಸ್ಟಾರ್ ವಾರ್ಸ್ ಮತ್ತು ದಿ ಎಂಪೈರ್ ಸ್ಟ್ರೈಕ್ಸ್ ಬ್ಯಾಕ್ ಅನ್ನು ಇಷ್ಟಪಟ್ಟಿದ್ದಾರೆ ಎಂದು ಸಿನ್ಮ್ಯಾಚ್ ಗಮನಿಸಬಹುದು ಮತ್ತು ನಂತರ ನೀವು ರಿಟರ್ನ್ ಆಫ್ ದಿ ಜೇಡಿಯನ್ನು ವೀಕ್ಷಿಸಲು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ. ಆರಂಭದಲ್ಲಿ, ಸಿನಿಮಾಚ್ ಕಳಪೆಯಾಗಿ ಕೆಲಸ ಮಾಡಿದೆ. ಆದರೆ, ಅನೇಕ ವರ್ಷಗಳ ಅವಧಿಯಲ್ಲಿ, ಸಿನೆಮಾ ಗ್ರಾಹಕರು ಏನು ಆನಂದಿಸಬಹುದೆಂದು ಊಹಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಅದು ಮುಂದುವರಿಸಿದೆ. 2006 ರ ವೇಳೆಗೆ, ಸಿನೆಮಾಚ್ನಲ್ಲಿ ಪ್ರಗತಿ ಪ್ರಸ್ಥಭೂಮಿಯಾಗಿತ್ತು. ನೆಟ್ಫ್ಲಿಕ್ಸ್ನ ಸಂಶೋಧಕರು ಅವರು ಯೋಚಿಸಬಹುದಾದ ಅತ್ಯಧಿಕವಾದ ಎಲ್ಲವನ್ನೂ ಪ್ರಯತ್ನಿಸಿದರು, ಆದರೆ, ಅದೇ ಸಮಯದಲ್ಲಿ, ತಮ್ಮ ವ್ಯವಸ್ಥೆಯನ್ನು ಸುಧಾರಿಸಲು ಸಹಾಯವಾಗುವಂತಹ ಇತರ ವಿಚಾರಗಳಿವೆ ಎಂದು ಅವರು ಶಂಕಿಸಿದ್ದಾರೆ. ಆದ್ದರಿಂದ, ಅವರು ಆ ಸಮಯದಲ್ಲಿ, ಒಂದು ಆಮೂಲಾಗ್ರವಾದ ಪರಿಹಾರವನ್ನು ಹೊಂದಿದ್ದರು: ತೆರೆದ ಕರೆ.

ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಬಹುಮಾನದ ಯಶಸ್ಸಿಗೆ ವಿಮರ್ಶಾತ್ಮಕವಾಗಿ ತೆರೆದ ಕರೆ ಹೇಗೆ ವಿನ್ಯಾಸಗೊಂಡಿತು, ಮತ್ತು ಈ ವಿನ್ಯಾಸವು ಸಾಮಾಜಿಕ ಸಂಶೋಧನೆಗೆ ತೆರೆದ ಕರೆಗಳನ್ನು ಹೇಗೆ ಬಳಸಬಹುದೆಂದು ಪ್ರಮುಖ ಪಾಠಗಳನ್ನು ಹೊಂದಿದೆ. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಕೇವಲ ವಿಚಾರಗಳಿಗಾಗಿ ರಚನೆ ಮಾಡದ ವಿನಂತಿಯನ್ನು ಹೊರಹಾಕಲಿಲ್ಲ, ಇದು ಮೊದಲ ಬಾರಿಗೆ ಅವರು ಓಪನ್ ಕರೆಯನ್ನು ಪರಿಗಣಿಸಿದಾಗ ಅನೇಕ ಜನರು ಊಹಿಸುತ್ತಾರೆ. ಬದಲಿಗೆ, ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಸರಳವಾದ ಮೌಲ್ಯಮಾಪನ ಪ್ರಕ್ರಿಯೆಯೊಂದಿಗೆ ಸ್ಪಷ್ಟವಾದ ಸಮಸ್ಯೆಯನ್ನು ಎದುರಿಸಿತು: 3 ದಶಲಕ್ಷ ಹಿಡಿದಿಟ್ಟುಕೊಂಡಿರುವ ರೇಟಿಂಗ್ಗಳನ್ನು ಊಹಿಸಲು 100 ಮಿಲಿಯನ್ ಚಲನಚಿತ್ರದ ರೇಟಿಂಗ್ಗಳನ್ನು ಬಳಸಲು ಜನರಿಗೆ ಸವಾಲೆಸೆದರು (ಬಳಕೆದಾರರು ಮಾಡಿದ್ದ ರೇಟಿಂಗ್ಗಳು ಆದರೆ ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಬಿಡುಗಡೆ ಮಾಡಲಿಲ್ಲ). ಸಿನಿಮಾಚ್ ಗಿಂತ 3 ಮಿಲಿಯನ್ ಹಿಡಿದಿರುವ ರೇಟಿಂಗ್ಗಳು 10% ಉತ್ತಮವೆಂದು ಊಹಿಸುವ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ರಚಿಸುವ ಮೊದಲ ವ್ಯಕ್ತಿ ಮಿಲಿಯನ್ ಡಾಲರ್ ಗೆಲ್ಲುತ್ತಾನೆ. ಭವಿಷ್ಯದ ರೇಟಿಂಗ್ಗಳನ್ನು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುವ-ರೇಟಿಂಗ್ ರೇಟಿಂಗ್ಗಳೊಂದಿಗೆ ಹೋಲಿಸಿದಲ್ಲಿ ಈ ಸ್ಪಷ್ಟ ಮತ್ತು ಸುಲಭವಾದ ಮೌಲ್ಯಮಾಪನ ಪ್ರಕ್ರಿಯೆಯು-ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿಯನ್ನು ಸೃಷ್ಟಿಸುವುದಕ್ಕಿಂತಲೂ ಸುಲಭವಾಗಿ ಪರಿಶೀಲಿಸಲು ಸುಲಭವಾಗುವಂತೆ ರೂಪಿಸಲಾಯಿತು; ತೆರೆದ ಕರೆಗೆ ಸೂಕ್ತವಾದ ಸಮಸ್ಯೆಗೆ ಸಿನೆಮಾಚ್ ಅನ್ನು ಸುಧಾರಿಸುವ ಸವಾಲನ್ನು ಇದು ಬದಲಾಯಿಸಿತು.

2006 ರ ಅಕ್ಟೋಬರ್ನಲ್ಲಿ ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಸುಮಾರು 500,000 ಗ್ರಾಹಕರಿಂದ 100 ಮಿಲಿಯನ್ ಚಲನಚಿತ್ರ ರೇಟಿಂಗ್ಗಳನ್ನು ಹೊಂದಿರುವ ದತ್ತಾಂಶ ಸಂಗ್ರಹವನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿತು (ಈ ಅಧ್ಯಾಯ 6 ನೇ ಅಧ್ಯಾಯದಲ್ಲಿ ನಾವು ಗೌಪ್ಯತೆ ಪರಿಣಾಮಗಳನ್ನು ಪರಿಗಣಿಸುತ್ತೇವೆ). ನೆಟ್ಫ್ಲಿಕ್ಸ್ ದತ್ತಾಂಶವನ್ನು ಸುಮಾರು 20,000 ಚಲನಚಿತ್ರಗಳ ಮೂಲಕ ಸುಮಾರು 500,000 ಗ್ರಾಹಕರು ಭಾರಿ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಎಂದು ಪರಿಕಲ್ಪನೆ ಮಾಡಬಹುದಾಗಿದೆ. ಈ ಮಾತೃಕೆಯೊಳಗೆ, ಒಂದರಿಂದ ಐದು ತಾರೆಗಳ (ಟೇಬಲ್ 5.2) ಪ್ರಮಾಣದಲ್ಲಿ ಸುಮಾರು 100 ಮಿಲಿಯನ್ ರೇಟಿಂಗ್ಗಳು ಇದ್ದವು. 3 ಮಿಲಿಯನ್ ಹಿಡಿದಿಟ್ಟುಕೊಂಡ ರೇಟಿಂಗ್ಗಳನ್ನು ಊಹಿಸಲು ಮ್ಯಾಟ್ರಿಕ್ಸ್ನಲ್ಲಿ ವೀಕ್ಷಿಸಿದ ಡೇಟಾವನ್ನು ಬಳಸುವುದು ಈ ಸವಾಲು.

ಪ್ರಪಂಚದಾದ್ಯಂತದ ಸಂಶೋಧಕರು ಮತ್ತು ಹ್ಯಾಕರ್ಗಳು ಸವಾಲಿಗೆ ಒಳಗಾಗುತ್ತಾರೆ ಮತ್ತು 2008 ರ ವೇಳೆಗೆ 30,000 ಕ್ಕಿಂತ ಹೆಚ್ಚು ಜನರು ಅದರ ಮೇಲೆ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದಾರೆ (Thompson 2008) . ಸ್ಪರ್ಧೆಯ ಅವಧಿಯಲ್ಲಿ, ನೆಟ್ಫ್ಲಿಕ್ಸ್ 5,000 ಕ್ಕಿಂತಲೂ ಹೆಚ್ಚು ತಂಡಗಳಿಂದ (Netflix 2009) 40,000 ಕ್ಕಿಂತ ಹೆಚ್ಚು ಪ್ರಸ್ತಾವಿತ ಪರಿಹಾರಗಳನ್ನು ಪಡೆದುಕೊಂಡಿದೆ. ನಿಶ್ಚಿತವಾಗಿ, ನೆಟ್ಫ್ಲಿಕ್ಸ್ಗೆ ಈ ಎಲ್ಲಾ ಪ್ರಸ್ತಾವಿತ ಪರಿಹಾರಗಳನ್ನು ಓದಲು ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ. ಆದಾಗ್ಯೂ, ಎಲ್ಲಾ ವಿಷಯಗಳು ಸಲೀಸಾಗಿ ನಡೆಯುತ್ತಿದ್ದವು, ಏಕೆಂದರೆ ಪರಿಹಾರಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಸುಲಭವಾಗಿತ್ತು. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಭವಿಷ್ಯಸೂಚಕ ರೇಟಿಂಗ್ಗಳನ್ನು ಒಂದು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಮೆಟ್ರಿಕ್ ಬಳಸಿ (ಅವರು ಬಳಸಿದ ನಿರ್ದಿಷ್ಟ ಮೆಟ್ರಿಕ್ ಸರಾಸರಿ ವರ್ಗ ದೋಷದ ವರ್ಗಮೂಲವಾಗಿದೆ) ಬಳಸಿಕೊಂಡು ಭವಿಷ್ಯ ರೇಟಿಂಗ್ಗಳನ್ನು ಹೋಲಿಸಬಹುದು. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರತಿಯೊಬ್ಬರಿಂದ ಪರಿಹಾರಗಳನ್ನು ಸ್ವೀಕರಿಸಲು ಶಕ್ತಗೊಂಡ ಪರಿಹಾರಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಈ ಸಾಮರ್ಥ್ಯವು ಬಹಳ ಮುಖ್ಯವಾಗಿದೆ, ಏಕೆಂದರೆ ಉತ್ತಮ ಆಲೋಚನೆಗಳು ಕೆಲವು ಆಶ್ಚರ್ಯಕರ ಸ್ಥಳಗಳಿಂದ ಬಂದವು. ವಾಸ್ತವವಾಗಿ, ಗೆಲ್ಲುವ ದ್ರಾವಣವು ಮೊದಲು ಸಂಶೋಧನೆ ಮಾಡಿದ ಚಲನಚಿತ್ರಗಳ ಶಿಫಾರಸು ವ್ಯವಸ್ಥೆಗಳನ್ನು ಹೊಂದಿರದ ಮೂರು ಸಂಶೋಧಕರು ಪ್ರಾರಂಭಿಸಿದ ತಂಡದಿಂದ ಸಲ್ಲಿಸಲ್ಪಟ್ಟಿತು (Bell, Koren, and Volinsky 2010) .

ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಬಹುಮಾನದ ಒಂದು ಸುಂದರ ಅಂಶವೆಂದರೆ, ಎಲ್ಲಾ ಪ್ರಸ್ತಾಪಿತ ಪರಿಹಾರಗಳನ್ನು ತಕ್ಕಮಟ್ಟಿಗೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ. ಅಂದರೆ, ಜನರು ತಮ್ಮ ಭವಿಷ್ಯದ ರೇಟಿಂಗ್ಗಳನ್ನು ಅಪ್ಲೋಡ್ ಮಾಡಿದಾಗ, ಅವರು ತಮ್ಮ ಶೈಕ್ಷಣಿಕ ರುಜುವಾತುಗಳನ್ನು, ಅವರ ವಯಸ್ಸು, ಜನಾಂಗ, ಲಿಂಗ, ಲೈಂಗಿಕ ದೃಷ್ಟಿಕೋನ, ಅಥವಾ ತಮ್ಮ ಬಗ್ಗೆ ಏನಾದರೂ ಅಪ್ಲೋಡ್ ಮಾಡಬೇಕಾಗಿಲ್ಲ. ಸ್ಟ್ಯಾನ್ಫೊರ್ಡ್ನ ಪ್ರಸಿದ್ಧ ಪ್ರಾಧ್ಯಾಪಕರ ಭವಿಷ್ಯ ರೇಟಿಂಗ್ಗಳು ಹಾಸಿಗೆಯಲ್ಲಿ ಹದಿಹರೆಯದವರಂತೆಯೇ ಒಂದೇ ರೀತಿಯಲ್ಲಿ ಚಿಕಿತ್ಸೆ ನೀಡಲ್ಪಟ್ಟವು. ದುರದೃಷ್ಟವಶಾತ್, ಇದು ಹೆಚ್ಚಿನ ಸಾಮಾಜಿಕ ಸಂಶೋಧನೆಗಳಲ್ಲಿ ನಿಜವಲ್ಲ. ಅಂದರೆ, ಹೆಚ್ಚಿನ ಸಾಮಾಜಿಕ ಸಂಶೋಧನೆಗೆ, ಮೌಲ್ಯಮಾಪನವು ಬಹಳ ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಭಾಗಶಃ ವ್ಯಕ್ತಿನಿಷ್ಠವಾಗಿರುತ್ತದೆ. ಆದ್ದರಿಂದ, ಹೆಚ್ಚಿನ ಸಂಶೋಧನಾ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಗಂಭೀರವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗುವುದಿಲ್ಲ, ಮತ್ತು ವಿಚಾರಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದಾಗ, ಆಲೋಚನೆಗಳ ಸೃಷ್ಟಿಕರ್ತರಿಂದ ಆ ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸುವುದು ಕಷ್ಟ. ಓಪನ್ ಕರೆ ಯೋಜನೆಗಳು ಮತ್ತೊಂದೆಡೆ, ಸುಲಭವಾದ ಮತ್ತು ನ್ಯಾಯೋಚಿತ ಮೌಲ್ಯಮಾಪನವನ್ನು ಹೊಂದಿರುತ್ತವೆ, ಇದರಿಂದಾಗಿ ಅವರು ಇಲ್ಲದಿದ್ದರೆ ತಪ್ಪಿಸಿಕೊಳ್ಳಬಹುದಾದ ಕಲ್ಪನೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯಬಹುದು.

ಉದಾಹರಣೆಗೆ, ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ ಸಮಯದಲ್ಲಿ ಒಂದು ಹಂತದಲ್ಲಿ, ಪರದೆಯ ಹೆಸರಿನ ಸೈಮನ್ ಫಂಕ್ನೊಂದಿಗಿನ ಯಾರೊಬ್ಬರು ತನ್ನ ಬ್ಲಾಗ್ನಲ್ಲಿ ಒಂದು ಏಕೈಕ ಮೌಲ್ಯದ ವಿಭಜನೆಯ ಆಧಾರದ ಮೇಲೆ ಪ್ರಸ್ತಾವಿತ ಪರಿಹಾರವನ್ನು ನೀಡಿದರು, ರೇಖಾತ್ಮಕ ಬೀಜಗಣಿತದ ಒಂದು ವಿಧಾನವು ಈ ಹಿಂದೆ ಇತರ ಭಾಗಿಗಳಿಂದ ಬಳಸಲ್ಪಡಲಿಲ್ಲ. ಫಂಕ್ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ ಏಕಕಾಲದಲ್ಲಿ ತಾಂತ್ರಿಕ ಮತ್ತು ವಿಚಿತ್ರವಾಗಿ ಅನೌಪಚಾರಿಕವಾಗಿತ್ತು. ಈ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ ಉತ್ತಮ ಪರಿಹಾರವನ್ನು ವಿವರಿಸುತ್ತಿದೆಯೇ ಅಥವಾ ಸಮಯದ ವ್ಯರ್ಥವಾಗಿದೆಯೇ? ತೆರೆದ ಕರೆ ಯೋಜನೆಯ ಹೊರಗೆ, ಪರಿಹಾರವು ಗಂಭೀರವಾದ ಮೌಲ್ಯಮಾಪನವನ್ನು ಸ್ವೀಕರಿಸಲಿಲ್ಲ. ಎಲ್ಲಾ ನಂತರ, ಸೈಮನ್ ಫಂಕ್ ಎಂಐಟಿಯಲ್ಲಿ ಪ್ರಾಧ್ಯಾಪಕರಾಗಿರಲಿಲ್ಲ; ಆ ಸಮಯದಲ್ಲಿ, ನ್ಯೂಜಿಲ್ಯಾಂಡ್ (Piatetsky 2007) ಸುತ್ತಲೂ ಬೆನ್ನುಹೊರೆ ಮಾಡುವ ಸಾಫ್ಟ್ವೇರ್ ಡೆವಲಪರ್ ಆಗಿದ್ದರು. ಅವರು ಈ ಕಲ್ಪನೆಯನ್ನು ನೆಟ್ಫ್ಲಿಕ್ಸ್ನಲ್ಲಿ ಎಂಜಿನಿಯರ್ಗೆ ಇಮೇಲ್ ಮಾಡಿದರೆ, ಅದು ಖಂಡಿತವಾಗಿಯೂ ಓದಲು ಸಾಧ್ಯವಾಗುತ್ತಿರಲಿಲ್ಲ.

ಅದೃಷ್ಟವಶಾತ್, ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳು ಸ್ಪಷ್ಟ ಮತ್ತು ಸುಲಭವಾಗಿ ಅನ್ವಯಿಸಲ್ಪಟ್ಟಿರುವುದರಿಂದ, ಅವರ ಭವಿಷ್ಯದ ರೇಟಿಂಗ್ಗಳು ಮೌಲ್ಯಮಾಪನಗೊಳ್ಳಲ್ಪಟ್ಟವು, ಮತ್ತು ಅವರ ವಿಧಾನವು ಅತ್ಯಂತ ಶಕ್ತಿಯುತವಾಗಿದೆ ಎಂದು ಸ್ಪಷ್ಟಪಡಿಸಿದರು: ಅವರು ಸ್ಪರ್ಧೆಯಲ್ಲಿ ನಾಲ್ಕನೇ ಸ್ಥಾನಕ್ಕೆ ಏರಿದರು, ಈ ತಂಡವು ಈಗಾಗಲೇ ಇತರ ತಂಡಗಳು ಸಮಸ್ಯೆಯ ಮೇಲೆ ತಿಂಗಳು ಕೆಲಸ ಮಾಡುತ್ತಾರೆ. ಕೊನೆಯಲ್ಲಿ, ಅವರ ವಿಧಾನದ ಭಾಗಗಳನ್ನು ಎಲ್ಲಾ ಗಂಭೀರ ಸ್ಪರ್ಧಿಗಳು (Bell, Koren, and Volinsky 2010) .

ಸೈಮನ್ ಫಂಕ್ ತನ್ನ ರಹಸ್ಯವನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಲು ಪ್ರಯತ್ನಿಸುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ತನ್ನ ಬ್ಲಾಗ್ ಅನ್ನು ಪ್ರಕಟಿಸಲು ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ ಬರೆಯಲು ನಿರ್ಧರಿಸಿದನು, ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಬಹುಮಾನದಲ್ಲಿ ಭಾಗವಹಿಸುವವರು ಮಿಲಿಯನ್-ಡಾಲರ್ ಬಹುಮಾನದಿಂದ ಪ್ರತ್ಯೇಕವಾಗಿ ಪ್ರೇರೇಪಿಸಲ್ಪಟ್ಟಿಲ್ಲವೆಂದು ವಿವರಿಸುತ್ತದೆ. ಬದಲಿಗೆ, ಅನೇಕ ಭಾಗಿಗಳು ಬೌದ್ಧಿಕ ಸವಾಲನ್ನು ಮತ್ತು ಸಮಸ್ಯೆಯ ಸುತ್ತ ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ಸಮುದಾಯವನ್ನು (Thompson 2008) ಆನಂದಿಸುತ್ತಾರೆ, ಅನೇಕ ಸಂಶೋಧಕರು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದು ಎಂದು ನಾನು ಭಾವಿಸುವ ಭಾವನೆಗಳು.

ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ ಮುಕ್ತ ಕರೆಗೆ ಒಂದು ಶ್ರೇಷ್ಠ ಉದಾಹರಣೆಯಾಗಿದೆ. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ನಿರ್ದಿಷ್ಟ ಗುರಿಯೊಂದಿಗೆ ಒಂದು ಪ್ರಶ್ನೆಯನ್ನು ಒಡ್ಡಿತು (ಚಲನಚಿತ್ರದ ರೇಟಿಂಗ್ಗಳನ್ನು ಊಹಿಸುವುದು) ಮತ್ತು ಅನೇಕ ಜನರಿಂದ ಪರಿಹಾರಗಳನ್ನು ಪಡೆಯಿತು. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಈ ಎಲ್ಲ ಪರಿಹಾರಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಸಾಧ್ಯವಾಯಿತು, ಏಕೆಂದರೆ ಅವುಗಳು ರಚಿಸಲು ಹೆಚ್ಚು ಸುಲಭವಾಗಿದೆ, ಮತ್ತು ಅಂತಿಮವಾಗಿ ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಅತ್ಯುತ್ತಮ ಪರಿಹಾರವನ್ನು ಪಡೆದುಕೊಂಡಿದೆ. ಮುಂದೆ, ಜೀವಶಾಸ್ತ್ರ ಮತ್ತು ಕಾನೂನು ಮತ್ತು ಮಿಲಿಯನ್-ಡಾಲರ್ ಬಹುಮಾನ ಇಲ್ಲದೆ ಈ ವಿಧಾನವನ್ನು ಹೇಗೆ ಬಳಸಬಹುದೆಂದು ನಾನು ನಿಮಗೆ ತೋರಿಸುತ್ತೇನೆ.