5.3.1 ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ

ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಬಹುಮಾನ ಸಿನೆಮಾ ಜನರು ಬಯಸುವರು ಊಹಿಸಲು ಮುಕ್ತ ಕರೆ ಬಳಸುತ್ತದೆ.

ಹೆಸರಾಂತ ಮುಕ್ತ ಕರೆ ಯೋಜನೆಯ ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರೈಜ್ ಆಗಿದೆ. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಆನ್ಲೈನ್ ಚಿತ್ರ ಬಾಡಿಗೆ ಕಂಪನಿ, ಮತ್ತು 2000 ರಲ್ಲಿ ಇದು ಗ್ರಾಹಕರಿಗೆ ಸಿನೆಮಾ ಶಿಫಾರಸು Cinematch, ಒಂದು ಸೇವೆಯನ್ನು ಪ್ರಾರಂಭಿಸಿತು. ಉದಾಹರಣೆಗೆ, Cinematch ನೀವು ಸ್ಟಾರ್ ವಾರ್ಸ್ ಮತ್ತು ಎಂಪೈರ್ ಸ್ಟ್ರೈಕ್ಸ್ ಇಷ್ಟಪಟ್ಟ ಬ್ಯಾಕ್ ಮತ್ತು ನಂತರ ನೀವು ರಿಟರ್ನ್ ಆಫ್ ದಿ ವೀಕ್ಷಿಸಲು ಶಿಫಾರಸು ಗಮನಕ್ಕೆ ಇರಬಹುದು. ಆರಂಭದಲ್ಲಿ, Cinematch ಕಳಪೆ ಕೆಲಸ. ಆದರೆ, ಅನೇಕ ವರ್ಷಗಳ ಅವಧಿಯಲ್ಲಿ, Cinematch ಗ್ರಾಹಕರಿಗೆ ಪಡೆಯಬಹುದಿತ್ತು ಯಾವ ಚಲನಚಿತ್ರಗಳು ಊಹಿಸಲು ಸಾಮರ್ಥ್ಯವನ್ನು ಸುಧಾರಿಸಿಕೊಂಡರು. 2006 ವೇಳೆಗೆ Cinematch ಪ್ರಗತಿಯ ಸ್ಥಿರಗೊಂಡಿತು. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಸಂಶೋಧಕರು ಅವರು ಯೋಚಿಸಬಹುದು ಬಹುಮಟ್ಟಿಗೆ ಎಲ್ಲವೂ ಪ್ರಯತ್ನಿಸಿದೆ ಆದರೆ ಅದೇ ಸಮಯದಲ್ಲಿ, ಅವರು ತಮ್ಮ ವ್ಯವಸ್ಥೆ ಸುಧಾರಿಸಲು ಎಂದು ಇತರ ವಿಚಾರಗಳನ್ನು ಎಂದು ಶಂಕಿಸಲಾಗಿದೆ. ತೆರೆದ ಕರೆ: ಹೀಗಾಗಿ, ಅವರು ಇದ್ದ ಸಮಯದಲ್ಲಿ ತೀವ್ರಗಾಮಿ ಪರಿಹಾರ ಬಂದಿತು.

ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ ಅಂತಿಮವಾಗಿ ಯಶಸ್ಸಿಗೆ ನಿರ್ಣಾಯಕ ಈ ವಿನ್ಯಾಸ ಕರೆಗಳನ್ನು ಹೇಗೆ ತೆರೆದ ಸಾಮಾಜಿಕ ಪ್ರಯೋಗಗಳಿಗೆ ಬಳಸಲು ಮುಖ್ಯ ಪಾಠಗಳನ್ನು ಹೇಗೆ ಮುಕ್ತ ಕರೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿತ್ತು, ಮತ್ತು. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಕೇವಲ ವಿಚಾರಗಳನ್ನು ಒಂದು ವಿನ್ಯಾಸಗೊಂಡಿರದ ವಿನಂತಿಯನ್ನು, ಅವರು ಮೊದಲ ಒಂದು ಮುಕ್ತ ಕರೆ ಪರಿಗಣಿಸುತ್ತಾರೆ ಅನೇಕ ಜನರು ಊಹಿಸಿ ಎಂಬುದನ್ನು ಇದು ಪುಟ್ ಮಾಡಲಿಲ್ಲ. ಬದಲಿಗೆ, ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಸರಳ ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳಲ್ಲಿ ಒಂದು ಸ್ಪಷ್ಟ ಸಮಸ್ಯೆಯನ್ನು ತಂದೊಡ್ಡಿತು: ಅವರು ಜನರು 3 ಮಿಲಿಯನ್ ನಡೆದ ಔಟ್ ರೇಟಿಂಗ್ ಊಹಿಸಲು 100 ಮಿಲಿಯನ್ ಚಿತ್ರದಲ್ಲಿ ರೇಟಿಂಗ್ ಬಳಸಿಕೊಳ್ಳಬಹುದು ಸವಾಲು (ಬಳಕೆದಾರರು ಮಾಡಿದ ರೇಟಿಂಗ್ ಆದರೆ ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಬಿಡುಗಡೆ ಎಂದು). 10% Cinematch 1 ಮಿಲಿಯನ್ ಡಾಲರ್ ಗೆದ್ದ ಹೆಚ್ಚಾಗಿ 3 ಮಿಲಿಯನ್ ನಡೆದ ಔಟ್ ರೇಟಿಂಗ್ ಸೂಚಿಸುತ್ತದೆ ಒಂದು ಕ್ರಮಾವಳಿ ರಚಿಸಲು ಯಾರಾದರೂ. ಈ ಸ್ಪಷ್ಟ ಮತ್ತು ಸುಲಭ ನಡೆದ ಔಟ್ ಭವಿಷ್ಯ ರೇಟಿಂಗ್ ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳಲ್ಲಿ-ಹೋಲಿಸುವ ಅರ್ಜಿ ರೇಟಿಂಗ್ ಉದ್ದೇಶದಿಂದ ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ ಪರಿಹಾರಗಳನ್ನು ಸೃಷ್ಟಿಸಲು ಹೆಚ್ಚು ಚೆಕ್ ಸುಲಭ ಎಂದು ರೀತಿಯಲ್ಲಿ ರೂಪಿಸಲಾಯಿತು ಎಂದು; ಇದು ಮುಕ್ತ ಕರೆ ಸೂಕ್ತವಾದ ಸಮಸ್ಯೆಯನ್ನು Cinematch ಸುಧಾರಣೆ ಮಾಡುವ ಸವಾಲು ತಿರುಗಿತು.

2006 ರ ಅಕ್ಟೋಬರ್ನಲ್ಲಿ, ನೆಟ್ಫ್ಲಿಕ್ಸ್ (ನಾವು ಅಧ್ಯಾಯ 6 ಈ ಡೇಟಾವನ್ನು ಬಿಡುಗಡೆ ಗೌಪ್ಯತೆ ಪರಿಣಾಮಗಳೇನು ಪರಿಗಣಿಸುತ್ತಾರೆ) 100 ಮಿಲಿಯನ್ ಚಿತ್ರದಲ್ಲಿ ರೇಟಿಂಗ್ ಹೊಂದಿರುವ ಬಗ್ಗೆ 500,000 ಗ್ರಾಹಕರಿಂದ ದತ್ತಾಂಶ ಬಿಡುಗಡೆ. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಡೇಟಾ 20,000 ಸಿನೆಮಾ ಅಂದಾಜು 500,000 ಗ್ರಾಹಕರು ಒಂದು ದೊಡ್ಡ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಎಂಬುದಾಗಿ ನಿರೂಪಿಸಲಾಗುತ್ತದೆ ಮಾಡಬಹುದು. ಈ ಮಾಟ್ರಿಕ್ಸ್ ಒಳಗಡೆ, 1 5 ತಾರೆಗಳ (ಟೇಬಲ್ 5.2) ನಿಂದ ಪ್ರಮಾಣದಲ್ಲಿ 100 ದಶಲಕ್ಷ ರೇಟಿಂಗ್ ಇದ್ದವು. ಸವಾಲು 3 ಮಿಲಿಯನ್ ನಡೆದ ಔಟ್ ರೇಟಿಂಗ್ ಊಹಿಸಲು ಮ್ಯಾಟ್ರಿಕ್ಸ್ ವೀಕ್ಷಿಸಲ್ಪಟ್ಟ ದತ್ತಾಂಶವನ್ನು ಬಳಸಲು ಆಗಿತ್ತು.

ಟೇಬಲ್ 5.2: ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ ದತ್ತಾಂಶವನ್ನು ಚಿತ್ರಣ. ನೆಟ್ಫ್ಲಿಕ್ಸ್ 100 ದಶಲಕ್ಷ ರೇಟಿಂಗ್ (ಸ್ಟಾರ್ 1 5 ನಕ್ಷತ್ರಗಳು) 20,000 ಸಿನೆಮಾ 500,000 ಗ್ರಾಹಕರು ಒದಗಿಸಿದ ಬಿಡುಗಡೆ. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ ಗುರಿ "?" ತೋರಿಸಲಾಗಿದೆ 3 ಮಿಲಿಯನ್ ಸಿನೆಮಾ, ನಡೆದ ಔಟ್ ರೇಟಿಂಗ್ ಊಹಿಸಲು ಈ ರೇಟಿಂಗ್ಗಳು ಬಳಸಲಾಗುತ್ತಿತ್ತು. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ ಭಾಗವಹಿಸುವ ಸಲ್ಲಿಸಿದ ಭವಿಷ್ಯ ರೇಟಿಂಗ್ ನಡೆದ ಔಟ್ ರೇಟಿಂಗ್ಗಳು ಹೋಲಿಸಲಾಗುತ್ತದೆ. ನಾನು ಅಧ್ಯಾಯ 6 ಈ ಡೇಟಾವನ್ನು ಬಿಡುಗಡೆ ಸುತ್ತಮುತ್ತಲಿನ ನೈತಿಕ ಸಮಸ್ಯೆಗಳು ಚರ್ಚಿಸಬಹುದು.
ಚಲನಚಿತ್ರ 1 ಚಲನಚಿತ್ರ 2 ಮೂವಿ 3 . . . ಚಲನಚಿತ್ರ 20,000
ಗ್ರಾಹಕ 1 2 5 . ?
ಗ್ರಾಹಕ 2 2 ? . 3
ಗ್ರಾಹಕ 3 ? 2 .
. . . . . . . .
ಗ್ರಾಹಕ 500,000 ? 2 . 1

ವಿಶ್ವದಾದ್ಯಂತ ಸಂಶೋಧಕರು ಮತ್ತು ಹ್ಯಾಕರ್ಸ್ ಸವಾಲು ರೂಪಿಸಲಾಯಿತು ಮತ್ತು 2008 ಮೂಲಕ 30,000 ಜನರು ಕೆಲಸ (Thompson 2008) . ಸ್ಪರ್ಧೆಯ ಅವಧಿಯಲ್ಲಿ, ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಹೆಚ್ಚು 5,000 ತಂಡಗಳಿಂದ 40,000 ಕ್ಕೂ ಹೆಚ್ಚು ಪ್ರಸ್ತಾಪಿತ ಪರಿಹಾರಗಳನ್ನು ಪಡೆದರು (Netflix 2009) . ನಿಸ್ಸಂಶಯವಾಗಿ, ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಓದಲು ಮತ್ತು ಎಲ್ಲಾ ಈ ಪ್ರಸ್ತಾಪಿತ ಪರಿಹಾರಗಳನ್ನು ಅರ್ಥವಾಗಿಲ್ಲ. ಪರಿಹಾರಗಳನ್ನು ಪರೀಕ್ಷಿಸುವುದು ಸುಲಭ ಏಕೆಂದರೆ ಇಡೀ ವಿಷಯ ಸಲೀಸಾಗಿ, ಆದಾಗ್ಯೂ, ನಡೆಯಿತು. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಕೇವಲ ಕಂಪ್ಯೂಟರ್ ಪೂರ್ವ ನಿಗದಿತ ಮೆಟ್ರಿಕ್ (ನಿರ್ದಿಷ್ಟವಾಗಿ ಅವರು ಸರಾಸರಿ ಸ್ಕ್ವೇರ್ಡ್ ದೋಷ ವರ್ಗಮೂಲದ ಬಳಸಬೇಕಿತ್ತು ಮೆಟ್ರಿಕ್) ನಡೆದ ಔಟ್ ರೇಟಿಂಗ್ಗಳು ಭವಿಷ್ಯ ರೇಟಿಂಗ್ ಹೋಲಿಸಿ ತೋರಿಸಬಹುದಿತ್ತು. ಇದು ತ್ವರಿತವಾಗಿ ಉತ್ತಮ ವಿಚಾರಗಳನ್ನು ಕೆಲವು ಅಚ್ಚರಿಯ ಸ್ಥಳಗಳಲ್ಲಿ ಬಂದ ಕಾರಣ ಪ್ರಮುಖವಾದದ್ದು ಹೊರಹೊಮ್ಮಿತು ಎಲ್ಲರೂ ಪರಿಹಾರ ಸ್ವೀಕರಿಸಲು ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಸಕ್ರಿಯವಾದ ಪರಿಹಾರಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಈ ಸಾಮರ್ಥ್ಯ. ವಾಸ್ತವವಾಗಿ, ವಿಜೇತ ಪರಿಹಾರವನ್ನು ಯಾವುದೇ ಮೊದಲು ಅನುಭವ ಕಟ್ಟಡ ಚಿತ್ರ ಶಿಫಾರಸು ವ್ಯವಸ್ಥೆಗಳು ಎಂದು ಮೂರು ಸಂಶೋಧಕರು ಆರಂಭಿಸಿದರು ತಂಡದ ಸಲ್ಲಿಸಲಾಯಿತು (Bell, Koren, and Volinsky 2010) .

ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ ಒಂದು ಸುಂದರ ಅಂಶವೆಂದರೆ ಅವರ ಪರಿಹಾರ ತಕ್ಕಮಟ್ಟಿಗೆ ಮೌಲ್ಯಮಾಪನ ಹೊಂದಲು ಜಗತ್ತಿನ ಪ್ರತಿಯೊಬ್ಬರೂ ಕುಕೀ ಎಂಬುದು. ಜನರು ಅವರ ಭವಿಷ್ಯ ರೇಟಿಂಗ್ ಅಪ್ಲೋಡ್ ಯಾವಾಗ, ಅವರು ತಮ್ಮ ಶೈಕ್ಷಣಿಕ ರುಜುವಾತುಗಳನ್ನು, ಅವರ ವಯಸ್ಸು, ಜನಾಂಗ, ಲಿಂಗ, ಲೈಂಗಿಕ ದೃಷ್ಟಿಕೋನ, ಅಥವಾ ತಮ್ಮ ಬಗ್ಗೆ ಏನು ಅಪ್ಲೋಡ್ ಅಗತ್ಯವಿರಲಿಲ್ಲ. ಹೀಗಾಗಿ, ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ರಿಂದ ಪ್ರಸಿದ್ಧ ಪ್ರಾಧ್ಯಾಪಕ ಭವಿಷ್ಯ ರೇಟಿಂಗ್ ನಿಖರವಾಗಿ ತನ್ನ ಮಲಗುವ ಕೋಣೆ ಒಂದು ಹದಿಹರೆಯದ ಅದೇ ನೀಡಲಾಯಿತು. ದುರದೃಷ್ಟವಶಾತ್, ಈ ಅತ್ಯಂತ ಸಾಮಾಜಿಕ ಸಂಶೋಧನೆಯಲ್ಲಿ ನಿಜ. ಅತ್ಯಂತ ಸಾಮಾಜಿಕ ಸಂಶೋಧನೆಗೆ, ಮೌಲ್ಯಮಾಪನ ಸಮಯ ಸೇವಿಸುವ ಮತ್ತು ಭಾಗಶಃ ವೈಯಕ್ತಿಕ, ಆಗಿದೆ. ಆದ್ದರಿಂದ ಬಹುತೇಕ ಸಂಶೋಧನಾ ಯೋಜನೆಗಳನ್ನು ಗಂಭೀರವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಇಲ್ಲ, ಮತ್ತು ಕಲ್ಪನೆಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗುತ್ತದೆ, ಇದು ಕಲ್ಪನೆಗಳನ್ನು ಸೃಷ್ಟಿಕರ್ತ ಆ ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಬೇರ್ಪಡಿಸುವ ಕಷ್ಟ. ಪರಿಹಾರಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಸುಲಭ ಏಕೆಂದರೆ, ತೆರೆದ ಕರೆಗಳನ್ನು ಸಂಶೋಧಕರು ಅವರು ಪ್ರಸಿದ್ದ ಪ್ರಾಧ್ಯಾಪಕರು ಪರಿಹಾರ ಪರಿಗಣಿಸಲಾಗಿದೆ ವೇಳೆ ಬಿರುಕುಗಳು ಮೂಲಕ ಬೀಳುತ್ತವೆ ಎಂದು ಎಲ್ಲಾ ಸಂಭಾವ್ಯ ಅದ್ಭುತ ಪರಿಹಾರಗಳನ್ನು ಪ್ರವೇಶ ಕಲ್ಪಿಸಿಕೊಡುತ್ತವೆ.

ಉದಾಹರಣೆಗೆ, ಪರದೆಯ ಹೆಸರು ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ ಯಾರಾದರೂ ಸಮಯದಲ್ಲಿ ಒಂದು ಹಂತದಲ್ಲಿ ಸೈಮನ್ ಫಂಕ್ ಏಕವಚನ ಮೌಲ್ಯವನ್ನು ವಿಭಜನೆ ಆಧರಿಸಿ ತನ್ನ ಉದ್ದೇಶಿತ ಪರಿಹಾರ ಬ್ಲಾಗ್ನಲ್ಲಿ ಪೋಸ್ಟ್, ರೇಖಾ ಬೀಜಗಣಿತ ಒಂದು ವಿಧಾನ ಭಾಗವಹಿಸುವ ಇತರ ಹಿಂದೆ ಬಳಸಿದ ಎಂಬುದನ್ನು. ಫಂಕ್ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ ಏಕಕಾಲದಲ್ಲಿ ತಾಂತ್ರಿಕ ಮತ್ತು ಅಮಾನುಷವಾಗಿ ಅನೌಪಚಾರಿಕ ಆಗಿತ್ತು. ಈ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ ಒಂದು ಪರಿಹಾರ ವಿವರಿಸುವ ಅಥವಾ ಇದು ಸಮಯ ವ್ಯರ್ಥ ಮಾಡಲಾಯಿತು? ತೆರೆದ ಕರೆ ಯೋಜನೆಯ ಹೊರಗೆ, ಪರಿಹಾರ ಎಂದಿಗೂ ಇರಬಹುದು ಗಂಭೀರ ಮೌಲ್ಯಮಾಪನ ಸ್ವೀಕರಿಸಿದ್ದೇವೆ. ಕಾಲ್ ಟೆಕ್ ಅಥವಾ MIT ಪ್ರಾಧ್ಯಾಪಕರಾದ ಅಲ್ಲ ಎಲ್ಲಾ ಸೈಮನ್ ಫಂಕ್ ನಂತರ; ಅವರು ಆ ಸಮಯದಲ್ಲಿ, ನ್ಯೂಜಿಲ್ಯಾಂಡ್ ಸುಮಾರು ಏರುವುದು ಒಂದು ತಂತ್ರಾಂಶ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ (Piatetsky 2007) . ಅವರು ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಇಂಜಿನಿಯರ್ ಈ ಕಲ್ಪನೆಯನ್ನು ಇಮೇಲ್ ವೇಳೆ, ಇದು ನಿಜವಾಗಿಯೂ ತೀವ್ರವಾಗಿ ತೆಗೆದುಕೊಂಡಿಲ್ಲ ಸಾಧ್ಯತೆ.

ಅದೃಷ್ಟವಶಾತ್, ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳಲ್ಲಿ ಸ್ಪಷ್ಟ ಮತ್ತು ಅರ್ಜಿ ಸುಲಭ ಏಕೆಂದರೆ ತನ್ನ ಭವಿಷ್ಯ ರೇಟಿಂಗ್ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಯಿತು, ಮತ್ತು ಇದು ತನ್ನ ವಿಧಾನದ ಅತ್ಯಂತ ಶಕ್ತಿಯುತ ಎಂದು ತಕ್ಷಣ ಸ್ಪಷ್ಟವಾಗಿತ್ತು: ಅವರು ಸ್ಪರ್ಧೆಯಲ್ಲಿ ನಾಲ್ಕನೇ ಸ್ಥಾನಕ್ಕೆ ಚಿಮ್ಮಿತು, ಪ್ರಚಂಡ ಪರಿಣಾಮವಾಗಿ ಇತರ ತಂಡಗಳು ಈಗಾಗಲೇ ಕೊಟ್ಟಿರುವ ಸಮಸ್ಯೆ ತಿಂಗಳು ಕೆಲಸ. ಕೊನೆಯಲ್ಲಿ, ಸೈಮನ್ ಫಂಕ್ ಪ್ರವೇಶವನ್ನು ಭಾಗಗಳು ವಾಸ್ತವವಾಗಿ ಎಲ್ಲಾ ಗಂಭೀರ ಸ್ಪರ್ಧಿಗಳು ಬಳಸಲಾಗುತ್ತಿತ್ತು (Bell, Koren, and Volinsky 2010) .

ಸೈಮನ್ ಫಂಕ್ ಬದಲಿಗೆ ರಹಸ್ಯ ಇರಿಸಿಕೊಳ್ಳಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವ ಹೆಚ್ಚು, ತನ್ನ ವಿಧಾನದ ವಿವರಿಸುವ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ ಬರೆಯಲು ಆಯ್ಕೆ ಎಂದು ವಾಸ್ತವವಾಗಿ, ಸಹ ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರೈಜ್ ಭಾಗಿಯಾದವರಿಗೆ ಪ್ರತ್ಯೇಕವಾಗಿ ಮಿಲಿಯನ್ ಡಾಲರ್ ಬಹುಮಾನ ಪ್ರೇರಣೆ ಎಂದು ವಿವರಿಸುತ್ತದೆ. ಬದಲಿಗೆ, ಭಾಗಿಯಾದವರಿಗೆ ಬೌದ್ಧಿಕ ಸವಾಲು ಮತ್ತು ಸಮಸ್ಯೆ ಸುತ್ತ ಸಮುದಾಯ ಅನುಭವಿಸಿದಂತೆ ತೋರಿತು (Thompson 2008) , ನಾನು ನಿರೀಕ್ಷಿಸಬಹುದು ಎಂದು ಅನೇಕ ಸಂಶೋಧಕರು ಅರ್ಥವಾಗುವಂತಹ ಭಾವನೆಗಳು.

ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಪ್ರಶಸ್ತಿ ಮುಕ್ತ ಕರೆಯ ಒಂದು ಶಾಸ್ತ್ರೀಯ ಉದಾಹರಣೆ. ನೆಟ್ಫ್ಲಿಕ್ಸ್ (ಚಲನಚಿತ್ರ ರೇಟಿಂಗ್ ಊಹಿಸಲು) ಒಂದು ನಿರ್ದಿಷ್ಟ ಗುರಿ ಒಂದು ಪ್ರಶ್ನೆ ಒಡ್ಡಿದ ಮತ್ತು ಅನೇಕ ಜನರು ಪರಿಹಾರ ಲಭಿಸಿತ್ತು. ಅವರು ರಚಿಸಲು ಹೆಚ್ಚು ಪರಿಶೀಲಿಸಲು ಸುಲಭ ಏಕೆಂದರೆ ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಈ ಎಲ್ಲಾ ಪರಿಹಾರಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಸಾಧ್ಯವಾಯಿತು, ಮತ್ತು ಅಂತಿಮವಾಗಿ ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಉತ್ತಮ ಪರಿಹಾರ ಪಡೆದುಕೊಂಡರು. ಮುಂದೆ, ಈ ಅದೇ ಮಾರ್ಗವನ್ನು ಜೀವಶಾಸ್ತ್ರ ಮತ್ತು ಕಾನೂನು ಬಳಸಬಹುದು ನಾನು ನೀವು ತೋರುವಿರಿ.