5.3.1 நெட்ஃபிக்ஸ் பரிசு

நெட்ஃபிக்ஸ் பரிசு மக்கள் விரும்பும் எந்த திரைப்படம் கணிக்க திறந்த அழைப்பு பயன்படுத்துகிறது.

மிகவும் நன்கு அறியப்பட்ட திறந்த அழைப்பு திட்டம் நெட்ஃபிக்ஸ் பரிசாக உள்ளது. நெட்ஃபிக்ஸ் என்பது ஒரு ஆன்லைன் திரைப்பட வாடகை நிறுவனமாகும், 2000 ஆம் ஆண்டில் வாடிக்கையாளர்களுக்கு திரைப்படங்களை பரிந்துரை செய்வதற்காக சினிமாட்ச் சேவையை தொடங்கினார். எடுத்துக்காட்டாக, சினிமாட்ச் நீங்கள் ஸ்டார் வார்ஸ் மற்றும் தி எம்பயர் ஸ்டிரைக்ஸ் பேக் ஆகியவற்றைப் பிடித்திருப்பதைக் கவனித்து, நீங்கள் ஜெடி ரிட்டன் ஆஃப் பார்க்க வேண்டும் என்று பரிந்துரைக்க வேண்டும். ஆரம்பத்தில், சினிமாட்ச் மோசமாக வேலை செய்தது. ஆனால், பல வருட காலப்பகுதியில், வாடிக்கையாளர்கள் என்ன அனுபவங்களை அனுபவிப்பார்கள் என்பதை முன்னறிவிக்கும் திறனை அது தொடர்ந்து மேம்படுத்தியுள்ளது. இருப்பினும் 2006 ஆம் ஆண்டளவில், சினிமாட்சில் முன்னேற்றம் தணிந்தது. நெட்ஃபிக்ஸ் ஆராய்ச்சியாளர்கள் அவர்கள் நினைத்துப்பார்க்கும் எல்லாவற்றையும் முயற்சித்தார்கள், ஆனால், அதே நேரத்தில், அவர்கள் தங்கள் கணினியை மேம்படுத்துவதற்கு உதவக்கூடிய மற்ற கருத்துக்கள் இருந்ததாக அவர்கள் சந்தேகப்பட்டனர். இவ்வாறு, அவர்கள் நேரத்தில், ஒரு தீவிர தீர்வு: என்ன ஒரு வெளிப்படையான அழைப்பு வந்தது.

நெட்ஃபிக்ஸ் பரிசின் இறுதியாக வெற்றிகரமான வெற்றிகரமான திறந்த அழைப்பு எவ்வாறு வடிவமைக்கப்பட்டது என்பதுடன், சமூக வடிவமைப்பிற்கான திறந்த அழைப்புகளை எவ்வாறு பயன்படுத்தலாம் என்பதற்கான முக்கியமான பாடங்களை இந்த வடிவமைப்பு கொண்டுள்ளது. நெட்ஃபிக்ஸ் ஒரு யோசனைகளுக்கு ஒரு கட்டமைக்கப்பட்ட கோரிக்கையை மட்டும் போடவில்லை, இது முதலில் வெளிப்படையான அழைப்பை கருத்தில் கொண்டே பலர் கற்பனை செய்வதைக் காட்டுகிறது. மாறாக, நெட்ஃபிக்ஸ் ஒரு எளிய மதிப்பீட்டு முறையுடன் ஒரு தெளிவான பிரச்சனையை முன்வைத்தது: 3 மில்லியன் மதிப்புள்ள மதிப்பீடுகள் (பயனர்கள் செய்த மதிப்பீடுகள் ஆனால் நெட்ஃபிக்ஸ் வெளியிடவில்லை) கணிக்க 100 மில்லியனுக்கும் அதிகமான திரைப்பட மதிப்பீட்டை பயன்படுத்த மக்கள் சவால் செய்தனர். சினிமாட்சியை விட 3 மில்லியனுக்கும் மேலான மதிப்பீடுகளை மதிப்பிட்டுள்ள ஒரு வழிமுறையை உருவாக்கும் முதல் நபர் 10 மில்லியன் டாலர்களை வெல்வார். மதிப்பீடு நடைமுறைக்கு விண்ணப்பிக்க இது தெளிவாகவும் சுலபமாகவும், மதிப்பிடப்பட்ட தரவரிசை மதிப்பீடுகளுடன் ஒப்பிடுகையில்-நெட்ஃபிக்ஸ் பரிசை உருவாக்கியதை விட சோதனைகள் எளிதானது என்பதை வடிவமைக்கின்றன; சினிமாட்ச் திறந்த அழைப்புக்கு ஏற்ற ஒரு பிரச்சனைக்கு இது சவாலாக மாறியது.

2006 அக்டோபரில், நெட்ஃபிக்ஸ் 50000 வாடிக்கையாளர்கள் சுமார் 100 மில்லியன் திரைப்படம் மதிப்பீடுகள் கொண்ட ஒரு தரவுத்தளத்தை வெளியிட்டது (இந்தத் தரவின் தனியுரிமை தாக்கங்களை 6-ஆம் அதிகாரத்தில் நாம் கருதுவோம்). நெட்ஃபிக்ஸ் தரவு 20,000 திரைப்படங்களில் சுமார் 500,000 வாடிக்கையாளர்களைக் கொண்ட பெரிய மேட்ரிக்ஸ் என்ற கருத்தாக்கத்தைக் கொள்ளலாம். இந்த அணிக்குள், ஒன்று முதல் ஐந்து நட்சத்திரங்கள் (அட்டவணை 5.2) வரை சுமார் 100 மில்லியன் மதிப்பீடுகள் இருந்தன. 3 மில்லியன் மதிப்புள்ள தரவரிசைகளை மதிப்பிடுவதற்கு மேட்ரிக்ஸில் அனுசரிக்கப்பட்ட தரவைப் பயன்படுத்துவது சவால் ஆகும்.

அட்டவணை 5.2: நெட்ஃபிக்ஸ் பரிசில் இருந்து தரவுத் தொகுப்பு
திரைப்பட 1 திரைப்பட 2 திரைப்பட 3 ... மூவி 20,000
வாடிக்கையாளர் 1 2 5 ... ?
வாடிக்கையாளர் 2 2 ? ... 3
வாடிக்கையாளர் 3 ? 2 ...
\(\vdots\) \(\vdots\) \(\vdots\) \(\vdots\) \(\vdots\)
வாடிக்கையாளர் 500,000 ? 2 ... 1

உலகெங்கிலும் உள்ள ஆராய்ச்சியாளர்கள் மற்றும் ஹேக்கர்கள் சவாலுக்கு இழுக்கப்பட்டு, 2008 ஆம் ஆண்டில் 30,000 க்கும் அதிகமானோர் வேலை செய்தனர் (Thompson 2008) . போட்டியின் போக்கில் நெட்ஃபிக்ஸ் 5,000 க்கும் அதிகமான அணிகள் (Netflix 2009) இருந்து 40,000 க்கும் மேற்பட்ட முன்மொழியப்பட்ட தீர்வைப் பெற்றது. வெளிப்படையாக, நெட்ஃபிக்ஸ் இந்த முன்மொழியப்பட்ட தீர்வுகளை படித்து புரிந்து கொள்ள முடியவில்லை. தீர்வுகள் சுலபமாக சரிபார்க்கப்பட்டதால், முழு விஷயம் சீராக இயங்கின. நெட்ஃபிக்ஸ் ஒரு கணிப்பொறி கணிப்பொறியை கணிப்பொறி மதிப்பீடுகளை ஒரு முன்னறிவிக்கப்பட்ட மெட்ரிக் (அவர்கள் பயன்படுத்தும் குறிப்பிட்ட மெட்ரிக் சராசரி சதுரங்கப் பிழைகளின் சதுர வேர்) பயன்படுத்தி கணக்கிடப்பட்ட மதிப்பீடுகளை ஒப்பிடலாம். நெட்ஃபிக்ஸ் எல்லோரிடமிருந்தும் தீர்வுகளை ஏற்றுக்கொள்ளும் தீர்வை விரைவாக மதிப்பிடுவதற்கான இந்த திறனைப் பெற்றது, இது முக்கியமாக மாறியது, ஏனென்றால் நல்ல கருத்துக்கள் சில ஆச்சரியமான இடங்களில் இருந்து வந்தன. உண்மையில், வெற்றிகரமான தீர்வானது மூன்று ஆராய்ச்சியாளர்களால் ஆரம்பிக்கப்பட்ட திரைப்பட பரிந்துரை பரிந்துரைகளை (Bell, Koren, and Volinsky 2010) முன் அனுபவம் இல்லாத ஒரு குழுவினால் சமர்ப்பிக்கப்பட்டது.

நெட்ஃபிக்ஸ் பரிசின் ஒரு அழகான அம்சம், அது அனைத்து உத்தேச தீர்வுகளையும் மிகவும் மதிப்பிடுவதற்கு வழிவகுத்தது. அதாவது, மக்கள் தங்கள் கணிப்பு தரவரிசைகளை பதிவேற்றியபோது, ​​அவர்களது கல்வி சார்ந்த சான்றுகள், வயது, இனம், பாலினம், பாலியல் நோக்குநிலை அல்லது தங்களைப் பற்றிய எதையும் பதிவேற்ற வேண்டிய அவசியமில்லை. ஸ்டான்போர்ட் ஒரு பிரபல பேராசிரியரின் கணித்த மதிப்பீடுகள் அவருடைய படுக்கையறையில் ஒரு இளைஞனைப் போலவே நடத்தப்பட்டன. துரதிருஷ்டவசமாக, இது பெரும்பாலான சமூக ஆராய்ச்சியில் உண்மை இல்லை. அதாவது, பெரும்பாலான சமூக ஆய்வுகள், மதிப்பீடு மிகவும் நேரத்தை எடுத்துக்கொள்வது மற்றும் பகுதியளவு அகநிலை ஆகும். எனவே, பெரும்பாலான ஆராய்ச்சி கருத்துக்கள் ஒருபோதும் தீவிரமாக மதிப்பீடு செய்யப்படாது, கருத்துக்கள் மதிப்பீடு செய்யப்படும்போது, ​​சிந்தனைகளின் உருவாக்கியவரிடமிருந்து அந்த மதிப்பீடுகளைப் பிரித்துவிட கடினமாக உள்ளது. திறந்த அழைப்பு திட்டங்கள், மறுபுறம், எளிதான மற்றும் நியாயமான மதிப்பீட்டைக் கொண்டிருக்கின்றன, எனவே அவை இல்லையெனில் தவறவிடப்படும் யோசனைகளைக் கண்டறிய முடியும்.

உதாரணமாக, நெட்ஃபிக்ஸ் பரிசில் ஒரு கட்டத்தில், திரைப் பெயரான சைமன் ஃபன்கின் ஒருவரான அவரது வலைப்பதிவில் ஒரு தனித்துவமான மதிப்பின் சிதைவை அடிப்படையாகக் கொண்டு முன்மொழியப்பட்ட தீர்வு ஒன்றை வெளியிட்டார், மற்ற பங்கேற்பாளர்களால் முன்னர் பயன்படுத்தப்படாத நேரியல் இயற்கணிதத்தின் அணுகுமுறை. ஃபங்க் இன் வலைப்பதிவு இடுகை ஒரே நேரத்தில் தொழில்நுட்ப மற்றும் விசித்திரமாக முறைசாரா இருந்தது. இந்த வலைப்பதிவு இடுகை ஒரு சிறந்த தீர்வை விவரிக்கிறதா அல்லது நேரத்தை வீணாகி விட்டதா? திறந்த அழைப்பு திட்டத்திற்கு வெளியே, தீர்வு கடுமையான மதிப்பீட்டைப் பெற்றிருக்காது. எல்லாவற்றிற்கும் மேலாக சைமன் ஃபங்க் MIT இன் பேராசிரியர் அல்ல; அவர் மென்பொருள் தயாரிப்பாளராக இருந்தார், அந்த நேரத்தில், நியூசிலாந்தில் (Piatetsky 2007) . அவர் நெட்ஃபிக்ஸ் ஒரு பொறியாளர் இந்த யோசனை மின்னஞ்சல் செய்தால், அது நிச்சயமாக நிச்சயமாக படிக்க வேண்டும்.

அதிர்ஷ்டவசமாக, மதிப்பீட்டு அளவுகோல்கள் தெளிவாக மற்றும் எளிதானது என்பதால், அவரது கணிப்பு மதிப்பீடுகள் மதிப்பீடு செய்யப்பட்டன, மேலும் அவரது அணுகுமுறை மிகவும் சக்திவாய்ந்ததாக இருந்தது என்பது உடனடியாக தெளிவாக இருந்தது: போட்டியில் நான்காவது இடத்தில் அவர் வெற்றி பெற்றார், பிரச்சனையில் மாதங்களுக்கு வேலை. இறுதியில், அவருடைய அணுகுமுறையின் சில பகுதிகள் கிட்டத்தட்ட அனைத்து தீவிர போட்டியாளர்களாலும் பயன்படுத்தப்பட்டன (Bell, Koren, and Volinsky 2010) .

சைமன் ஃபங்க் ஒரு வலைப்பதிவு இடுகை எழுதத் தேர்ந்தெடுத்தது, ரகசியமாக வைக்க முயன்றதற்கு மாறாக அவருடைய நெறிமுறைகளை விளக்கி, நெட்ஃபிக்ஸ் பரிசில் பல பங்கேற்பாளர்கள் பிரத்தியேகமாக மில்லியன் டாலர் பரிசுகளால் உந்தப்படவில்லை என்பதை விளக்குகிறது. மாறாக, பல பங்கேற்பாளர்கள், புத்திசாலித்தனமான சவாலாகவும் பிரச்சனையிலும் வளர்ந்த சமூகத்தை அனுபவித்துள்ளனர் (Thompson 2008) , பல ஆராய்ச்சியாளர்கள் புரிந்து கொள்ளும் எதிர்பார்ப்புகளை நான் எதிர்பார்க்கின்றேன்.

நெட்ஃபிக்ஸ் பரிசை ஒரு திறந்த அழைப்புக்கு சிறந்த உதாரணம். நெட்ஃபிக்ஸ் ஒரு குறிப்பிட்ட இலக்கை (படம் மதிப்பீடுகளை கணிக்கும்) மற்றும் பல மக்களிடமிருந்து கேட்கும் தீர்வுகளுடன் ஒரு கேள்வி எழுப்பியது. Netflix இந்த தீர்வை மதிப்பீடு செய்ய முடிந்தது, ஏனெனில் அவை உருவாக்கப்படுவதை விட எளிதானது, மற்றும் இறுதியில் Netflix சிறந்த தீர்வை எடுத்தது. அடுத்து, உயிரியல் மற்றும் சட்டம் ஆகியவற்றில் இதே அணுகுமுறையை எவ்வாறு பயன்படுத்த முடியும் என்பதை நான் காண்பிப்பேன், மற்றும் ஒரு மில்லியன் டாலர் பரிசு இல்லாமல்.