ರೇಟಿಂಗ್. ಅದು ಏನು ಮತ್ತು ಅದನ್ನು ಗ್ಯಾಮಿಫಿಕೇಶನ್‌ನಲ್ಲಿ ಹೇಗೆ ಬಳಸುವುದು? ಪ್ರಶ್ನೆಯು ಸರಳವಾಗಿ ತೋರುತ್ತದೆ, ವಾಕ್ಚಾತುರ್ಯವೂ ಸಹ, ಆದರೆ ವಾಸ್ತವದಲ್ಲಿ ಅಂತಹ ಸ್ಪಷ್ಟ ಯಂತ್ರಶಾಸ್ತ್ರವು ಮಾನವ ವಿಕಾಸದ ಕಾರಣದಿಂದಾಗಿ ಅನೇಕ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಹೊಂದಿದೆ.
ಈ ಲೇಖನವು ಘಟಕಗಳು, ಯಂತ್ರಶಾಸ್ತ್ರ ಮತ್ತು ಗ್ಯಾಮಿಫಿಕೇಶನ್‌ನ ಆಸಕ್ತಿದಾಯಕ ಉದಾಹರಣೆಗಳ ಕುರಿತು ನನ್ನ ಲೇಖನಗಳ ಸರಣಿಯಲ್ಲಿ ಮೊದಲನೆಯದು. ಆದ್ದರಿಂದ, ನಾನು ಕೆಲವು ಸಾಮಾನ್ಯ ಪದಗಳಿಗೆ ಸಂಕ್ಷಿಪ್ತ ವ್ಯಾಖ್ಯಾನಗಳನ್ನು ನೀಡುತ್ತೇನೆ. "ಗ್ಯಾಮಿಫಿಕೇಶನ್ (ಗ್ಯಾಮಿಫಿಕೇಶನ್)" ಎಂದರೇನು? ವಿಕಿಪೀಡಿಯಾ ಈ ವ್ಯಾಖ್ಯಾನವನ್ನು ನೀಡುತ್ತದೆ: "ಬಳಕೆದಾರರು ಮತ್ತು ಗ್ರಾಹಕರನ್ನು ಆಕರ್ಷಿಸಲು, ಅನ್ವಯಿಕ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವಲ್ಲಿ, ಉತ್ಪನ್ನಗಳು ಮತ್ತು ಸೇವೆಗಳನ್ನು ಬಳಸುವಲ್ಲಿ ಅವರ ಒಳಗೊಳ್ಳುವಿಕೆಯನ್ನು ಹೆಚ್ಚಿಸುವ ಸಲುವಾಗಿ ಅಪ್ಲಿಕೇಶನ್ ಸಾಫ್ಟ್‌ವೇರ್ ಮತ್ತು ವೆಬ್‌ಸೈಟ್‌ಗಳಿಗೆ ಅಪ್ಲಿಕೇಶನ್ ಸಾಫ್ಟ್‌ವೇರ್ ಮತ್ತು ವೆಬ್‌ಸೈಟ್‌ಗಳಿಗೆ ಕಂಪ್ಯೂಟರ್ ಆಟಗಳ ವಿಶಿಷ್ಟ ವಿಧಾನಗಳ ಬಳಕೆಯನ್ನು ಆಟವಲ್ಲದ ಪ್ರಕ್ರಿಯೆಗಳಲ್ಲಿ ಬಳಸುವುದು."
ನಾನು ಇನ್ನೊಂದು ಆಯ್ಕೆಯನ್ನು ಬಯಸುತ್ತೇನೆ: "ಗ್ಯಾಮಿಫಿಕೇಶನ್ - ಗೇಮ್ ಮೆಕ್ಯಾನಿಕ್ಸ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಸಿಸ್ಟಮ್ ಬಳಕೆದಾರರ ನಡವಳಿಕೆಯನ್ನು ನಿರ್ವಹಿಸುವುದು." ಈ ವ್ಯಾಖ್ಯಾನಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವೆಂದರೆ ಒಂದು ವ್ಯವಸ್ಥೆಯು ವೆಬ್‌ಸೈಟ್ ಅಥವಾ ಸಾಫ್ಟ್‌ವೇರ್ ಆಗಿರಬಹುದು ಅಥವಾ ಸಾರ್ವಜನಿಕ ಉದ್ಯಾನವನ ಅಥವಾ ಸಾರಿಗೆ ನೆಟ್‌ವರ್ಕ್ ಆಗಿರಬಹುದು. ಗ್ಯಾಮಿಫಿಕೇಶನ್ ಕೇವಲ ಐಟಿ ಕ್ಷೇತ್ರಕ್ಕೆ ಮಾತ್ರ ಅನ್ವಯಿಸುತ್ತದೆ. ಇದಲ್ಲದೆ, ಕೆಲವು ಆಟದ ಯಂತ್ರಶಾಸ್ತ್ರವನ್ನು ಬಳಕೆದಾರರ ನಿಶ್ಚಿತಾರ್ಥವನ್ನು ಹೆಚ್ಚಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ, ಕೆಲವು ಬಳಕೆದಾರರನ್ನು ಆಕರ್ಷಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ, ಆದರೆ ಇದನ್ನು "ನಡವಳಿಕೆ ನಿರ್ವಹಣೆ" ಎಂಬ ಸಾಮಾನ್ಯ ಪರಿಕಲ್ಪನೆಗೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ. ಗ್ಯಾಮಿಫಿಕೇಶನ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು, ಸಿಸ್ಟಮ್‌ನಲ್ಲಿ ಬಳಕೆದಾರರು ಏನು ಮಾಡುತ್ತಿದ್ದಾರೆ ಎಂಬುದನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದು ಮುಖ್ಯವಾಗಿದೆ (ಸಿಸ್ಟಮ್ ಇನ್ನೂ ಬಳಕೆಯಲ್ಲಿಲ್ಲದಿದ್ದರೆ ಮಾಡಬಹುದು), ಮತ್ತು ಸಿಸ್ಟಮ್ ಮಾಲೀಕರ ದೃಷ್ಟಿಕೋನದಿಂದ ಬಳಕೆದಾರರು ಏನು ಮಾಡಬೇಕು. "ಮಾಡು" ದಿಂದ "ಮಾಡಬೇಕು" ಗೆ ಚಲಿಸಲು ಗ್ಯಾಮಿಫಿಕೇಶನ್ ಉಪಯುಕ್ತವಾಗಿದೆ.
ರೇಟಿಂಗ್ ಸರಳ ಮತ್ತು ಜನಪ್ರಿಯ ಆಟದ ಮೆಕ್ಯಾನಿಕ್ ಆಗಿದ್ದು ಇದನ್ನು ಗ್ಯಾಮಿಫಿಕೇಶನ್‌ನಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ. "ಗೇಮ್ ಮೆಕ್ಯಾನಿಕ್ಸ್" ಎಂಬ ಪದದ ನಿಖರವಾದ ವ್ಯಾಖ್ಯಾನವಿಲ್ಲ; ಕೆಲವೊಮ್ಮೆ ಇದನ್ನು ಯಾವುದಾದರೂ ಎಂದು ಅರ್ಥೈಸಲಾಗುತ್ತದೆ - ಬ್ಯಾಡ್ಜ್‌ಗಳು ಮತ್ತು ಸಾಧನೆಗಳಿಂದ ಹಿಡಿದು ನಡವಳಿಕೆಯ ಪ್ರಚೋದನೆಗಳವರೆಗೆ. ಗ್ಯಾಮಿಫಿಕೇಶನ್‌ನಲ್ಲಿ ಬಳಸಲಾದ ಪರಿಭಾಷೆಗೆ ಕ್ರಮವನ್ನು ತರುವುದು ಪ್ರತ್ಯೇಕ ಲೇಖನಕ್ಕೆ ಒಂದು ವಿಷಯವಾಗಿದೆ, ಆದರೆ ಇಲ್ಲಿ ನಾನು ಆಟದ ಯಂತ್ರಶಾಸ್ತ್ರದಿಂದ ನಾನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಂಕ್ಷಿಪ್ತ ವಿವರಣೆಗೆ ನನ್ನನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತೇನೆ. ಇದು ಗ್ಯಾಮಿಫೈಡ್ ಸಿಸ್ಟಮ್, ಸಾಂಪ್ರದಾಯಿಕ ಲೆಗೊ ಬ್ಲಾಕ್‌ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವ ಅತ್ಯಂತ ಕಡಿಮೆ (ಅತ್ಯಂತ ನಿರ್ದಿಷ್ಟ) ಹಂತವಾಗಿದೆ. ಸಿಸ್ಟಮ್ನ ಮೇಲಿನ, ಹೆಚ್ಚು ಅಮೂರ್ತ ಮಟ್ಟದ ಗ್ಯಾಮಿಫಿಕೇಶನ್ ಅನ್ನು ಈಗಾಗಲೇ ಯೋಚಿಸಿದಾಗ ಆಟದ ಯಂತ್ರಶಾಸ್ತ್ರವನ್ನು ಆಯ್ಕೆ ಮಾಡಲಾಗುತ್ತದೆ ಮತ್ತು ಅನ್ವಯಿಸಲಾಗುತ್ತದೆ. ಆದ್ದರಿಂದ, ರೇಟಿಂಗ್‌ಗಳು, ಬ್ಯಾಡ್ಜ್‌ಗಳು, ಮಟ್ಟಗಳು ಆಟದ ಯಂತ್ರಶಾಸ್ತ್ರ, ಆದರೆ ವೈರಲ್ ಅಥವಾ ಗುಂಪು ಕೆಲಸ ಅಲ್ಲ.
ರೇಟಿಂಗ್ ಎನ್ನುವುದು ಒಂದು ನಿರ್ದಿಷ್ಟ ವಸ್ತು ಅಥವಾ ವಿದ್ಯಮಾನದ ಪ್ರಾಮುಖ್ಯತೆ ಅಥವಾ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ ಸಂಖ್ಯಾತ್ಮಕ ಅಥವಾ ಆರ್ಡಿನಲ್ ಸೂಚಕವಾಗಿದೆ (ವಿಕಿಪೀಡಿಯಾದಿಂದ ವ್ಯಾಖ್ಯಾನ). ರೇಟಿಂಗ್ ಮೆಕ್ಯಾನಿಕ್ಸ್ ಅನ್ನು ಪಾಯಿಂಟ್ ಮೆಕ್ಯಾನಿಕ್ಸ್ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಕೆದಾರ ಮಟ್ಟದ ಯಂತ್ರಶಾಸ್ತ್ರಕ್ಕೆ ಜೋಡಿಸಲಾಗಿದೆ. ಅಂಕಗಳಿಲ್ಲದ ರೇಟಿಂಗ್ ಅಸಾಧ್ಯ - ರೇಟಿಂಗ್ನಲ್ಲಿ ಬಳಕೆದಾರರನ್ನು ಯಾವ ಕ್ರಮದಲ್ಲಿ ಪ್ರದರ್ಶಿಸಬೇಕೆಂದು ಸಿಸ್ಟಮ್ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದಿಲ್ಲ; ಮಟ್ಟಗಳಿಲ್ಲದ ರೇಟಿಂಗ್ ಸಾಧ್ಯ.
ಸಿಸ್ಟಮ್ ಬಳಕೆದಾರರಿಗೆ ಅರ್ಥದ ಮೂಲಕ ರೇಟಿಂಗ್‌ಗಳನ್ನು ವರ್ಗೀಕರಿಸಲು ಪ್ರಯತ್ನಿಸೋಣ.
- ಸ್ಪರ್ಧಾತ್ಮಕ - ಇತರ ಬಳಕೆದಾರರಿಗಿಂತ ಹೆಚ್ಚಿನ ಸ್ಥಾನವನ್ನು ಪಡೆಯಲು ಬಳಕೆದಾರರನ್ನು ಪ್ರೋತ್ಸಾಹಿಸುತ್ತದೆ. ಇತರರಿಗಿಂತ ಹೆಚ್ಚಾಗಿ ಸಂಭವಿಸುವ ರೇಟಿಂಗ್.
- ಸೋತ ಪರಿಸ್ಥಿತಿಯ ವ್ಯಾಖ್ಯಾನ - ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಯ ರೇಟಿಂಗ್ ಅಂಕಗಳನ್ನು ಗಳಿಸದಿದ್ದರೆ ಸಿಸ್ಟಮ್ ಪೆನಾಲ್ಟಿಯನ್ನು ವಿಧಿಸುತ್ತದೆ. ಸಂಭವನೀಯ ಉತ್ತಮ ಆಯ್ಕೆಗಳು: ಹಿಂದಿನ ರೇಟಿಂಗ್ ಗುಂಪಿಗೆ ವರ್ಗಾವಣೆ, ಶ್ರೇಣಿಯಲ್ಲಿನ ಕಡಿತ, ಸ್ಪರ್ಧೆಯಲ್ಲಿ ಸೋಲು, ನಿರ್ದಿಷ್ಟ ಪ್ರಮಾಣದ ಆಟದ ಕರೆನ್ಸಿಯನ್ನು ಬರೆಯುವುದು, ನೈತಿಕ ದಂಡ (ಅವಮಾನದ ಬೋರ್ಡ್). ಗೆಲುವು-ಗೆಲುವಿನ ಅನಲಾಗ್‌ಗಿಂತ ಕಡಿಮೆ ಬಾರಿ ಬಳಸಲಾಗುತ್ತದೆ, ಬಳಕೆದಾರ ನಡವಳಿಕೆಯ ಅನುಷ್ಠಾನ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯ ಮೊದಲು ಎಚ್ಚರಿಕೆಯಿಂದ ಚಿಂತನೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ, ಏಕೆಂದರೆ ದಂಡಗಳು ಬಳಕೆದಾರರ ಮೇಲೆ ತುಂಬಾ ಋಣಾತ್ಮಕ ಪರಿಣಾಮವನ್ನು ಬೀರುತ್ತವೆ ಮತ್ತು ಪ್ರೇರಣೆಯನ್ನು ಬಹಳವಾಗಿ ಕಡಿಮೆ ಮಾಡಬಹುದು.
- ಗೆಲುವಿನ ಪರಿಸ್ಥಿತಿಯನ್ನು ನಿರ್ಧರಿಸುವುದು - ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಯ ರೇಟಿಂಗ್ ಅಂಕಗಳನ್ನು ಸಾಧಿಸಲು ಪ್ರತಿಫಲದ ಹಕ್ಕನ್ನು ನೀಡುತ್ತದೆ. ಶ್ರೇಯಾಂಕದಲ್ಲಿ ಮೊದಲ ಸ್ಥಾನಗಳಿಗೆ, ಮಧ್ಯಂತರ ಹಂತಗಳಿಗೆ. ಪ್ರತಿಫಲವಾಗಿ, ಕಳೆದುಕೊಳ್ಳುವ ಪರಿಸ್ಥಿತಿಯಲ್ಲಿ ಪೆನಾಲ್ಟಿಗಳಿಗೆ ಅದೇ ಆಯ್ಕೆಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ, ಆದರೆ "ಪ್ಲಸ್" ಚಿಹ್ನೆಯೊಂದಿಗೆ. ಶ್ರೇಯಾಂಕದಲ್ಲಿ ಮಧ್ಯಂತರ ಹಂತಗಳಿಗೆ ಬಹುಮಾನಗಳು ಆಸಕ್ತಿದಾಯಕ ಆದರೆ ಅಪರೂಪದ ಅಭ್ಯಾಸವಾಗಿದ್ದು, ಬಳಕೆದಾರರು ಮಟ್ಟದಿಂದ ಹಂತಕ್ಕೆ ಚಲಿಸುವಾಗ ಉತ್ಸಾಹವನ್ನು ನಿಧಾನವಾಗಿ ಕಳೆದುಕೊಳ್ಳಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಶೆಫ್‌ಮಾರ್ಕೆಟ್‌ನ ಹಳೆಯ ಆವೃತ್ತಿಯ ರೇಟಿಂಗ್ ಒಂದು ಉದಾಹರಣೆಯಾಗಿದೆ. ಇದು ಸ್ವಯಂ ಅಡುಗೆಗಾಗಿ ಪಾಕವಿಧಾನಗಳೊಂದಿಗೆ ಉತ್ಪನ್ನಗಳಿಗೆ ಹೋಮ್ ಡೆಲಿವರಿ ಸೇವೆಯಾಗಿದೆ. ಪ್ರತಿಯೊಬ್ಬ ಕ್ಲೈಂಟ್ ಅವರ ವೈಯಕ್ತಿಕ ಖಾತೆಯಲ್ಲಿ ಪ್ರದರ್ಶಿಸಲಾದ ಸ್ಥಿತಿಯನ್ನು ಹೊಂದಿದೆ, ಸಿದ್ಧಪಡಿಸಿದ ಭಕ್ಷ್ಯಗಳಿಗೆ ಅಂಕಗಳನ್ನು ನೀಡಲಾಗುತ್ತದೆ ಮತ್ತು ಅಂಕಗಳಿಗೆ ಮಟ್ಟವನ್ನು ನೀಡಲಾಗುತ್ತದೆ, ಆದರೆ ಮುಂದಿನ ಹಂತವನ್ನು ಸಾಧಿಸಲು ನೀವು ಡಜನ್ಗಟ್ಟಲೆ ಭಕ್ಷ್ಯಗಳನ್ನು ತಯಾರಿಸಬೇಕಾಗಿದೆ, ಮತ್ತು ಇದು ದುರ್ಬಲಗೊಳಿಸಬಹುದು. ಪ್ರತಿ X ಪಾಯಿಂಟ್‌ಗಳಿಗೆ ಉಡುಗೊರೆಗಳು ಡಿಮೋಟಿವೇಟಿಂಗ್ ಪರಿಣಾಮವನ್ನು ತಗ್ಗಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ (ಪಾಯಿಂಟ್‌ಗಳ ಸಂಖ್ಯೆಯು ಕ್ಲೈಂಟ್‌ನ ಪ್ರಸ್ತುತ ಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ).
ಶೆಫ್‌ಮಾರ್ಕೆಟ್ ಬಳಕೆದಾರರ ರೇಟಿಂಗ್. ಇತರ ಆಟದ ಯಂತ್ರಶಾಸ್ತ್ರಗಳನ್ನು ಸಾವಯವವಾಗಿ ಹೇಗೆ ಬಳಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ: ಬ್ಯಾಡ್ಜ್‌ಗಳು, ಪ್ರಗತಿ ಪಟ್ಟಿ, ಶೀರ್ಷಿಕೆಗಳು, ಆಹ್ಲಾದಕರವಾಗಿ ಕಾಣುವ ಇಂಟರ್‌ಫೇಸ್‌ನಲ್ಲಿ ಪ್ಯಾಕ್ ಮಾಡಲಾಗಿದೆ. - ಸ್ಥಿತಿ - ಇತರ ಬಳಕೆದಾರರ ದೃಷ್ಟಿಯಲ್ಲಿ ಹೆಚ್ಚಿನ ರೇಟಿಂಗ್ ಹೊಂದಿರುವ ಬಳಕೆದಾರರ ಅಧಿಕಾರವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಆನ್ಲೈನ್ ಪ್ರಶ್ನೆ ಯೋಜನೆಗಳಲ್ಲಿ ಬಳಸಲಾಗಿದೆ (StackOverflow, [email protected]). MOBA ಆಟಗಳಲ್ಲಿ MMR ವ್ಯವಸ್ಥೆಗಳು (ಮ್ಯಾಚ್‌ಮೇಕಿಂಗ್ ರೇಟಿಂಗ್‌ಗಳು) ಸಹ ಸ್ಥಿತಿಯ ರೇಟಿಂಗ್‌ಗಳಾಗಿ ವರ್ಗೀಕರಿಸಬಹುದು.
- ವಿಶ್ವಾಸಾರ್ಹ - ಇತರ ಬಳಕೆದಾರರ ದೃಷ್ಟಿಯಲ್ಲಿ ಹೆಚ್ಚಿನ ರೇಟಿಂಗ್ ಹೊಂದಿರುವ ಬಳಕೆದಾರರ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ. ಆನ್ಲೈನ್ ಹರಾಜಿಗೆ ಮಾನದಂಡವಾಯಿತು. ಹಬ್ರ್ ಬಳಕೆದಾರರ ಕರ್ಮವು ಟ್ರಸ್ಟ್ ರೇಟಿಂಗ್‌ಗೆ ಮತ್ತೊಂದು ಉದಾಹರಣೆಯಾಗಿದೆ. ವಿಶ್ವಾಸಾರ್ಹ ರೇಟಿಂಗ್ ಅನ್ನು ಬಳಕೆದಾರರ ಪರಸ್ಪರ ಕ್ರಿಯೆಯ ಆಧಾರದ ಮೇಲೆ ಸಿಸ್ಟಮ್‌ಗಳಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ, ವಿಶೇಷವಾಗಿ ಈ ಸಂವಹನವು ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿದ್ದರೆ ಅಥವಾ ಸೇವೆಗಳು ಮತ್ತು ಸರಕುಗಳ ವಿನಿಮಯವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.
ನಿರ್ದಿಷ್ಟ ರೇಟಿಂಗ್ ಮಟ್ಟವನ್ನು ತಲುಪಿದ ನಂತರ ಬ್ಯಾಡ್ಜ್‌ಗಳೊಂದಿಗೆ ಆನ್ಲೈನ್ ಹರಾಜು ರೇಟಿಂಗ್ನ ಉದಾಹರಣೆ.
ಮೇಲಿನ ಪಟ್ಟಿಯಿಂದ ರೇಟಿಂಗ್‌ಗಳನ್ನು ಸಿಸ್ಟಮ್‌ನಲ್ಲಿ ವಿಭಿನ್ನ ರೀತಿಯಲ್ಲಿ ಸಂಯೋಜಿಸಲಾಗಿದೆ. ಸಿದ್ಧಾಂತದಲ್ಲಿ, ಸ್ಪರ್ಧಾತ್ಮಕ ಬಳಕೆದಾರ ರೇಟಿಂಗ್ ಸಾಧ್ಯ, ಮಧ್ಯಂತರ ವಿಜೇತ ಸನ್ನಿವೇಶಗಳೊಂದಿಗೆ, ಹೊರಗಿನವರನ್ನು ರೇಟಿಂಗ್ ಮಾಡಲು ದಂಡ ಮತ್ತು ರೇಟಿಂಗ್ ನಾಯಕರಿಗೆ ಉನ್ನತ ಮಟ್ಟದ ಸ್ಥಾನಮಾನ ಮತ್ತು ನಂಬಿಕೆ.
ರೇಟಿಂಗ್‌ಗಳನ್ನು ವರ್ಗೀಕರಿಸಲು ಮತ್ತೊಂದು ಆಯ್ಕೆ: ಬಳಕೆದಾರರ ರೇಟಿಂಗ್ ಅನ್ನು ಯಾರು ಬದಲಾಯಿಸುತ್ತಾರೆ - ಕೇವಲ ಸಿಸ್ಟಮ್, ಇತರ ಬಳಕೆದಾರರು ಅಥವಾ ಸಿಸ್ಟಮ್ ಮತ್ತು ಬಳಕೆದಾರರು. ಸಿಸ್ಟಮ್ ಮಾತ್ರ ಬಳಕೆದಾರರ ರೇಟಿಂಗ್ ಅನ್ನು ಬದಲಾಯಿಸಿದಾಗ ಆಯ್ಕೆಯು ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾಗಿದೆ. ಇದನ್ನು ಹೆಚ್ಚಾಗಿ ಆನ್ಲೈನ್ ಆಟಗಳಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ. ಆಟಗಾರನು ವಿವಿಧ ಕ್ರಿಯೆಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತಾನೆ (ರಾಕ್ಷಸರನ್ನು ಕೊಲ್ಲುತ್ತಾನೆ, ಕ್ವೆಸ್ಟ್‌ಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸುತ್ತಾನೆ), ಇದಕ್ಕಾಗಿ ಸಿಸ್ಟಮ್ ಅನುಭವ (ರೇಟಿಂಗ್) ಅಂಕಗಳನ್ನು ನೀಡುತ್ತದೆ. ಇತರ ಬಳಕೆದಾರರು ಇಂತಹ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಆಟಗಾರನ ರೇಟಿಂಗ್ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ. ಬಳಕೆದಾರರ ರೇಟಿಂಗ್ ಅನ್ನು ಸಿಸ್ಟಮ್‌ನಿಂದ ಅಲ್ಲ, ಆದರೆ ಸಿಸ್ಟಮ್ನ ಇತರ ಬಳಕೆದಾರರಿಂದ ಬದಲಾಯಿಸಿದಾಗ ಆಯ್ಕೆಯನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಟ್ರಸ್ಟ್ ರೇಟಿಂಗ್‌ನೊಂದಿಗೆ ಬಳಸಲಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗಳು: ಟ್ರೇಡಿಂಗ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳಲ್ಲಿನ ವಹಿವಾಟಿನ ನಂತರ ಕರ್ಮವನ್ನು ಹೆಚ್ಚಿಸುವುದು ಅಥವಾ ಕಡಿಮೆ ಮಾಡುವುದು, ಧನಾತ್ಮಕ ಮತ್ತು ಋಣಾತ್ಮಕ ವಿಮರ್ಶೆಗಳು. ಸಂಯೋಜಿತ ಆಯ್ಕೆಯನ್ನು ಸಹ ಸಾಧ್ಯವಿದೆ, ಉದಾಹರಣೆಗೆ ಆನ್ಲೈನ್ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ. ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಲು, ಬಳಕೆದಾರರು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸಿಸ್ಟಮ್‌ನಿಂದ ರೇಟಿಂಗ್ ಅಂಕಗಳನ್ನು ಪಡೆಯುತ್ತಾರೆ ಮತ್ತು ಇತರ ಬಳಕೆದಾರರು ಉತ್ತರವನ್ನು ಅತ್ಯುತ್ತಮವೆಂದು ಗುರುತಿಸಿದರೆ, ಬಳಕೆದಾರರು ಹೆಚ್ಚುವರಿ ಅಂಕಗಳನ್ನು ಪಡೆಯುತ್ತಾರೆ.
ಮುಂದಿನ ವಿಧಾನವು ಬಳಕೆದಾರರ ರೇಟಿಂಗ್ನಲ್ಲಿ ಧನಾತ್ಮಕ ಮತ್ತು ಋಣಾತ್ಮಕ ಬದಲಾವಣೆಗಳನ್ನು ಆಧರಿಸಿದೆ. ನಾನು ಷರತ್ತುಬದ್ಧ "ರೇಟಿಂಗ್ ಪ್ಲಸ್", "ರೇಟಿಂಗ್ ಪ್ಲಸ್-ಮೈನಸ್ ಧನಾತ್ಮಕ", "ರೇಟಿಂಗ್ ಪ್ಲಸ್-ಮೈನಸ್ ಋಣಾತ್ಮಕ" ಮತ್ತು "ರೇಟಿಂಗ್ ಮೈನಸ್" ಅನ್ನು ಪ್ರತ್ಯೇಕಿಸುತ್ತೇನೆ. "ರೇಟಿಂಗ್ ಪ್ಲಸ್" ಎಂಬ ಮೊದಲ ಆಯ್ಕೆಯು ಬಳಕೆದಾರರ ರೇಟಿಂಗ್‌ನಲ್ಲಿನ ಹೆಚ್ಚಳವನ್ನು ಮಾತ್ರ ಸೂಚಿಸುತ್ತದೆ. ಈ ಆಯ್ಕೆಯನ್ನು ಬಳಸಲಾಗುತ್ತದೆ, ಉದಾಹರಣೆಗೆ, eBay ನಲ್ಲಿ ಖರೀದಿದಾರರಿಗೆ. ವಹಿವಾಟಿನ ನಂತರ, ಮಾರಾಟಗಾರನು ಖರೀದಿದಾರರಿಗೆ ಸಕಾರಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಮಾತ್ರ ನೀಡುತ್ತಾನೆ ಅಥವಾ ಅದನ್ನು ಬಿಡುವುದಿಲ್ಲ. ಹೌದು, ಮೋಸದ ಖರೀದಿದಾರನನ್ನು ಆಡಳಿತವು ನಿರ್ಬಂಧಿಸಬಹುದು, ಆದರೆ ಅವನ ರೇಟಿಂಗ್ ಕಡಿಮೆಯಾಗುವುದಿಲ್ಲ (ಅವನು ಸ್ವತಃ ಕೆಟ್ಟ ಮಾರಾಟಗಾರನಾಗುವವರೆಗೆ).
ಧನಾತ್ಮಕ ಪ್ಲಸ್ ಅಥವಾ ಮೈನಸ್ ರೇಟಿಂಗ್ ಬಳಕೆದಾರರ ರೇಟಿಂಗ್ನಲ್ಲಿ ಹೆಚ್ಚಳ ಮತ್ತು ಇಳಿಕೆ ಎರಡನ್ನೂ ಸೂಚಿಸುತ್ತದೆ, ಆದರೆ ರೇಟಿಂಗ್ ಶೂನ್ಯಕ್ಕಿಂತ ಕಡಿಮೆಯಾಗುವುದಿಲ್ಲ. ಅಂತಹ ರೇಟಿಂಗ್ ವಿಫಲವಾದ ಕ್ರಿಯೆಗಳ ಸಂದರ್ಭದಲ್ಲಿ (ಮತ್ತು ಕೋಪಗೊಂಡ ಹಬರ್ನ ಶಕ್ತಿಯನ್ನು ಅನುಭವಿಸಲು) ಬಳಕೆದಾರನು ತುಂಬಾ ಆಳವಾಗಿ ಬೀಳಲು ಅನುಮತಿಸುವುದಿಲ್ಲ. ಆದರೆ ಅದೇ ಸಮಯದಲ್ಲಿ, ವ್ಯವಸ್ಥಿತ "ಕೆಟ್ಟ" ಕ್ರಿಯೆಗಳಿಂದಾಗಿ ಶೂನ್ಯದ ಸುತ್ತ ನಿರಂತರವಾಗಿ ಏರಿಳಿತಗೊಳ್ಳುವ ಹೊಸ ಬಳಕೆದಾರ ಮತ್ತು ಬಳಕೆದಾರರು ದೃಷ್ಟಿಗೋಚರವಾಗಿ ಒಂದೇ ರೀತಿ ಕಾಣುತ್ತಾರೆ, ಇದು ಇಡೀ ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ನಂಬಿಕೆಯ ಮೇಲೆ ಕೆಟ್ಟ ಪರಿಣಾಮವನ್ನು ಬೀರುತ್ತದೆ.
ಪ್ಲಸ್ ಅಥವಾ ಮೈನಸ್ ಋಣಾತ್ಮಕ ರೇಟಿಂಗ್ ಎಂದರೆ ಬಳಕೆದಾರರ ರೇಟಿಂಗ್ ಯಾವುದೇ ಮೌಲ್ಯಕ್ಕೆ ಏರಬಹುದು ಅಥವಾ ಕಡಿಮೆಯಾಗಬಹುದು. ಪ್ರಾಯೋಗಿಕವಾಗಿ, ದೊಡ್ಡ ಋಣಾತ್ಮಕ ರೇಟಿಂಗ್ನಲ್ಲಿ ಯಾವುದೇ ಅರ್ಥವಿಲ್ಲ ಮತ್ತು ಸಿಸ್ಟಮ್‌ನಲ್ಲಿ ಮಿತಿ ಋಣಾತ್ಮಕ ಮೌಲ್ಯವನ್ನು ನಮೂದಿಸಲು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ, ಅದರ ನಂತರ ಖಾತೆಯನ್ನು ನಿರ್ಬಂಧಿಸುವುದು ಸೇರಿದಂತೆ ಅಂತಹ ಬಳಕೆದಾರರಿಗೆ ದಂಡನಾತ್ಮಕ ಕ್ರಮಗಳನ್ನು ಅನ್ವಯಿಸುವುದು ಯೋಗ್ಯವಾಗಿದೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಇತರ ಬಳಕೆದಾರರಿಂದ ರೇಟಿಂಗ್ನ ಉದ್ದೇಶಪೂರ್ವಕ "ಸೋರಿಕೆ" ಯ ಪರಿಸ್ಥಿತಿಯ ಬಗ್ಗೆ ಯೋಚಿಸುವುದು ಮುಖ್ಯವಾಗಿದೆ, ಈ ಸಾಧ್ಯತೆಯನ್ನು ಹೊರಗಿಡಲು ಅಥವಾ ಕಾರ್ಯಗತಗೊಳಿಸಲು ಕಷ್ಟವಾಗುತ್ತದೆ.
ಮೈನಸ್ ರೇಟಿಂಗ್ ಅಪರೂಪವಾಗಿ ಬಳಸಲಾಗುವ ಮೆಕ್ಯಾನಿಕ್ ಆಗಿದ್ದು, ಇದರಲ್ಲಿ ಬಳಕೆದಾರರ ಆರಂಭಿಕ ರೇಟಿಂಗ್ ಬದಲಾಗುವುದಿಲ್ಲ ಅಥವಾ ಕಡಿಮೆಯಾಗಬಹುದು. ಇದೇ ರೀತಿಯ ಯಂತ್ರಶಾಸ್ತ್ರವನ್ನು ಬಳಸುವ ಯೋಜನೆಗಳನ್ನು ನಾನು ತಕ್ಷಣವೇ ನೆನಪಿಸಿಕೊಳ್ಳುವುದಿಲ್ಲ, ಆದರೆ ಸೈದ್ಧಾಂತಿಕವಾಗಿ ಇದು ಸಾಧ್ಯ. ಉದಾಹರಣೆಗೆ, ಯೋಜನೆಗಳು ಅಥವಾ ಎಲಿಮಿನೇಷನ್ ಆಟಗಳು, ಅಥವಾ "ಕೊನೆಯ ನಾಯಕರು".
ರೇಟಿಂಗ್ ಮೆಕ್ಯಾನಿಕ್ಸ್ ಅನ್ನು ಬಳಸುವಾಗ, ನೀವು ಪ್ರಮುಖ ತಪ್ಪನ್ನು ಮಾಡುವುದನ್ನು ತಪ್ಪಿಸಬೇಕು: ಸಿಸ್ಟಮ್ನ ಬಳಕೆದಾರರ ನಡುವೆ (ಅಥವಾ ಬಳಕೆದಾರರ ಮಟ್ಟಗಳ ನಡುವೆ) ಗಳಿಸಿದ ಅಂಕಗಳ ಸಂಖ್ಯೆಯಲ್ಲಿನ ಅಂತರವನ್ನು ಕಡಿಮೆಗೊಳಿಸಬಾರದು ಅಥವಾ ಸಾಧಿಸಲಾಗುವುದಿಲ್ಲ. ಈ ವ್ಯತ್ಯಾಸವು ವಿಶೇಷವಾಗಿ ಹೊಸ ಬಳಕೆದಾರರಿಗೆ ಅವರು ಶೂನ್ಯ ಅಂಕಗಳನ್ನು ಹೊಂದಿರುವುದನ್ನು ನೋಡುತ್ತಾರೆ, ಆದರೆ ರೇಟಿಂಗ್ನ ನಾಯಕ ಮಿಲಿಯನ್‌ಗಳನ್ನು ಹೊಂದಿದ್ದಾರೆ. ಇದು ಏಕೆ ಸಂಭವಿಸುತ್ತದೆ, ಅಂತಹ ಪರಿಸ್ಥಿತಿಯಲ್ಲಿ ಹೊಸ ಬಳಕೆದಾರರು ನಾಯಕನನ್ನು ಹಿಡಿಯುವುದು ಅಸಾಧ್ಯವೆಂದು ಏಕೆ ಭಾವಿಸುತ್ತಾರೆ? ಮೊದಲನೆಯದಾಗಿ, ಸಿಸ್ಟಮ್ನ ಹೊಸ ಬಳಕೆದಾರರು ಸ್ಕೋರಿಂಗ್ನ ಡೈನಾಮಿಕ್ಸ್ ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಾಕಷ್ಟು ಸಮಯವನ್ನು ಇನ್ನೂ ಕಳೆದಿಲ್ಲ. ಪ್ರತಿ ಬಳಕೆದಾರರ ಕ್ರಿಯೆಗೆ ಸಿಸ್ಟಮ್ ಸಾವಿರಾರು ಅಂಕಗಳನ್ನು ನೀಡಿದರೆ ರೇಟಿಂಗ್ನಲ್ಲಿ ನಾಯಕನಾಗಿ ಎರಡರಿಂದ ಮೂರು ಮಿಲಿಯನ್ ಪಾಯಿಂಟ್‌ಗಳನ್ನು ಸಾಧಿಸಲಾಗುವುದಿಲ್ಲ. ಸಮಸ್ಯೆಯೆಂದರೆ, ಡಿಮೋಟಿವೇಟೆಡ್ ಹೊಸ ಬಳಕೆದಾರರು ಸಿಸ್ಟಮ್ ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮೊದಲು ಅದನ್ನು ಬಳಸುವುದನ್ನು ನಿಲ್ಲಿಸುತ್ತಾರೆ. ಎರಡನೆಯದಾಗಿ, ಸಮಸ್ಯೆಯು ಸಂಖ್ಯಾ ಸರಣಿಯ ನಮ್ಮ ನೈಸರ್ಗಿಕ ಲಾಗರಿಥಮಿಕ್ ಗ್ರಹಿಕೆಯಲ್ಲಿದೆ.
ಸಂಖ್ಯೆಗಳ ರೇಖೀಯ ಕ್ರಮದ ನಡುವೆ ಬದುಕಲು ನಾವು ಒಗ್ಗಿಕೊಂಡಿರುತ್ತೇವೆ. ಮನೆಗಳ ಸಂಖ್ಯೆ, ಟೇಪ್ ಅಳತೆಗಳು ಮತ್ತು ಆಡಳಿತಗಾರರು, ಗ್ರಾಫ್ಗಳು ಮತ್ತು ಗಡಿಯಾರಗಳು - ಎಲ್ಲೆಡೆ ಸಂಖ್ಯೆಗಳು ಸಮಾನ ಮಧ್ಯಂತರದಲ್ಲಿ ಸಂಖ್ಯೆಯ ರೇಖೆಯ ಉದ್ದಕ್ಕೂ ನೆಲೆಗೊಂಡಿವೆ. 1 ಮತ್ತು 5 ಮತ್ತು 5 ಮತ್ತು 10 ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ಒಂದೇ ಆಗಿರುತ್ತದೆ ಎಂಬುದು ನಮಗೆ ಸ್ಪಷ್ಟವಾಗಿದೆ. ಇದು 1 ಮತ್ತು 500 ನಡುವಿನ ವ್ಯತ್ಯಾಸವಾಗಿದೆ. ವಾಸ್ತವವಾಗಿ, ಸಂಖ್ಯೆಗಳ ರೇಖೀಯ ಕ್ರಮವು ನಮ್ಮ ಸಂಸ್ಕೃತಿಯ ಉತ್ಪನ್ನವಾಗಿದೆ, ನೈಸರ್ಗಿಕ ಸಾಮರ್ಥ್ಯವಲ್ಲ. ಹತ್ತಾರು ಸಾವಿರ ವರ್ಷಗಳ ಹಿಂದೆ ವಾಸಿಸುತ್ತಿದ್ದ ನಮ್ಮ ದೂರದ ಪೂರ್ವಜರು ಆಧುನಿಕ ಗಣಿತದ ಉಪಕರಣವನ್ನು ಹೊಂದಿರಲಿಲ್ಲ ಮತ್ತು ಸಂಖ್ಯೆಗಳನ್ನು ಲಾಗರಿಥಮಿಕ್ ಆಗಿ ಗ್ರಹಿಸಿದರು. ಅಂದರೆ, ಅವುಗಳು ಹೆಚ್ಚಾದಂತೆ ಹತ್ತಿರ ಮತ್ತು ಹತ್ತಿರ ಸಂಖ್ಯೆಯ ಸಾಲಿನಲ್ಲಿ ಇರಿಸಲ್ಪಟ್ಟವು. ಅವರು ಸಂಖ್ಯೆಗಳನ್ನು ನಿಖರವಾದ ಮೌಲ್ಯಗಳ ಪರಿಭಾಷೆಯಲ್ಲಿ ಗ್ರಹಿಸಲಿಲ್ಲ, ಆದರೆ ಅಂದಾಜು ಅಂದಾಜುಗಳ ಪರಿಭಾಷೆಯಲ್ಲಿ. ಇದು ಅವರ ಜೀವನಶೈಲಿಗೆ ಅಗತ್ಯವಾಗಿತ್ತು. ಶತ್ರುಗಳನ್ನು ಭೇಟಿಯಾದಾಗ, ತ್ವರಿತವಾಗಿ, ಆದ್ದರಿಂದ ಸರಿಸುಮಾರು, ಯಾರು ಹೆಚ್ಚು ಸಂಖ್ಯೆಯಲ್ಲಿದ್ದಾರೆ ಎಂಬುದನ್ನು ನಿರ್ಣಯಿಸುವುದು ಅಗತ್ಯವಾಗಿತ್ತು - ನಮ್ಮದು ಅಥವಾ ಇತರರ. ಸ್ಥೂಲ ಅಂದಾಜಿನ ಆಧಾರದ ಮೇಲೆ ಯಾವ ಮರದಿಂದ ಹಣ್ಣುಗಳನ್ನು ಸಂಗ್ರಹಿಸಬೇಕು ಎಂಬ ಆಯ್ಕೆಯನ್ನು ಸಹ ಮಾಡಲಾಯಿತು. ನಮ್ಮ ಪೂರ್ವಜರು ನಿಖರವಾದ ಮೌಲ್ಯಗಳನ್ನು ಲೆಕ್ಕ ಹಾಕಲಿಲ್ಲ. ಲಾಗರಿಥಮಿಕ್ ಮಾಪಕವು ದೃಷ್ಟಿಕೋನದ ನಿಯಮಗಳು ಮತ್ತು ದೂರದ ನಮ್ಮ ಗ್ರಹಿಕೆಯನ್ನು ಸಹ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ನಾವು ನೂರು ಮೀಟರ್ ದೂರದಲ್ಲಿರುವ ಮರವನ್ನು ಮತ್ತು ಮೊದಲನೆಯ ಮರಕ್ಕಿಂತ 000 ಮೀಟರ್ ಹಿಂದೆ ಇನ್ನೊಂದು ಮರವನ್ನು ನೋಡಿದರೆ, ಎರಡನೇ ನೂರು ಮೀಟರ್ ಚಿಕ್ಕದಾಗಿ ಕಾಣುತ್ತದೆ.
ಈ ಚಿತ್ರದಲ್ಲಿ ಬಿಳಿ ಕಾಯಿಗಳೊಂದಿಗೆ ಆಡುವ ಆಟಗಾರನು ತಾನು ಕೆಟ್ಟದಾಗಿ ಮಾಡುತ್ತಿದ್ದಾನೆ ಎಂದು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಕಪ್ಪು ಕಾಯಿಗಳ ನಿಖರವಾದ ಸಂಖ್ಯೆಯನ್ನು ತಿಳಿದುಕೊಳ್ಳಬೇಕಾಗಿಲ್ಲ.
ಸಂಖ್ಯೆಗಳ ಲಾಗರಿಥಮಿಕ್ ಗ್ರಹಿಕೆ ಬಗ್ಗೆ, ಈ ಸಿದ್ಧಾಂತವನ್ನು ಖಚಿತಪಡಿಸಲು ನಡೆಸಿದ ಸಂಶೋಧನೆಯ ಬಗ್ಗೆ ಮತ್ತು ಗಣಿತದ ಪ್ರಪಂಚದ ಇತರ ಆಸಕ್ತಿದಾಯಕ ಸಂಗತಿಗಳ ಬಗ್ಗೆ ಅಲೆಕ್ಸ್ ಬೆಲ್ಲೋಸ್ ಅವರ ಜನಪ್ರಿಯ ವಿಜ್ಞಾನ ಪುಸ್ತಕದಲ್ಲಿ “ಅಲೆಕ್ಸ್ ಇನ್ ದಿ ಲ್ಯಾಂಡ್ ಆಫ್ ನಂಬರ್ಸ್” ನಲ್ಲಿ ನೀವು ಇನ್ನಷ್ಟು ಓದಬಹುದು. ಗಣಿತದ ಮಾಂತ್ರಿಕ ಜಗತ್ತಿನಲ್ಲಿ ಒಂದು ಅಸಾಮಾನ್ಯ ಪ್ರಯಾಣ."
ಅರ್ಥಗರ್ಭಿತ ಮಟ್ಟದಲ್ಲಿ ಸಂಖ್ಯೆಗಳ ಲಾಗರಿಥಮಿಕ್ ಗ್ರಹಿಕೆಯು ನಮ್ಮಿಂದ ಆನುವಂಶಿಕವಾಗಿ ಬಂದಿದೆ. ಸಾಂಸ್ಕೃತಿಕ ಪದರದ ಅಡಿಯಲ್ಲಿ ಮರೆಮಾಡಲಾಗಿದೆ, ಅದು ಸ್ವತಃ ಸ್ಪಷ್ಟವಾಗಿ ಗೋಚರಿಸುತ್ತದೆ, ಉದಾಹರಣೆಗೆ, ಸಮಯದ ಅರ್ಥದಲ್ಲಿ (ಬಾಲ್ಯದಲ್ಲಿ, ವರ್ಷಗಳು ನಿಧಾನವಾಗಿ ಹಾದುಹೋದವು, ಆದರೆ ಈಗ ಅವು ಹಾರುತ್ತವೆ). ನಾವು ಇನ್ನೂ, ನಮ್ಮ ಎಲ್ಲಾ ಶಿಕ್ಷಣದ ಹೊರತಾಗಿಯೂ, ದೊಡ್ಡ ಸಂಖ್ಯೆಗಳಿಂದ ಗೊಂದಲಕ್ಕೊಳಗಾಗುತ್ತೇವೆ ಮತ್ತು ಸಹಜವಾಗಿಯೇ ಅವರ ಲಾಗರಿಥಮಿಕ್ ಗ್ರಹಿಕೆಗೆ ಬದಲಾಯಿಸುತ್ತೇವೆ. ಒಂದು ಲೀಟರ್ ಮತ್ತು ಎರಡು ಲೀಟರ್ ಬಿಯರ್ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ನಾವು ಅರ್ಥಮಾಡಿಕೊಂಡಿದ್ದೇವೆ, ಆದರೆ ಹತ್ತು ಶತಕೋಟಿ ಮತ್ತು ನೂರು ಶತಕೋಟಿ ಲೀಟರ್ ಬಿಯರ್ "ಬಹಳ ತುಂಬಾ ಬಿಯರ್" ಎಂಬ ಪರಿಕಲ್ಪನೆಗೆ ಹೊಂದಿಕೆಯಾಗುವ ಸರಿಸುಮಾರು ಒಂದೇ ಸಂಖ್ಯೆಯಂತೆ ತೋರುತ್ತದೆ. ಆದ್ದರಿಂದ, ಪ್ರಸ್ತುತ ಸ್ಥಾನ ಮತ್ತು ನಾಯಕನ ನಡುವಿನ ಅಂತರವು "ಬಹಳ, ಹಲವು" ಅಂಕಗಳಾಗಿದ್ದರೆ ಶ್ರೇಯಾಂಕದಲ್ಲಿ ಸಾಧಿಸಲಾಗದ ಭಾವನೆಯ ಸಮಸ್ಯೆ ಉದ್ಭವಿಸುತ್ತದೆ. ಬಳಕೆದಾರರ ಮೆದುಳು ಅಂತರ್ಬೋಧೆಯಿಂದ ಪರಿಸ್ಥಿತಿಯನ್ನು ವಿಶ್ಲೇಷಿಸುವುದಿಲ್ಲ, ಅಂಕಗಳನ್ನು ಸಂಗ್ರಹಿಸುವ ಡೈನಾಮಿಕ್ಸ್ ಅನ್ನು ಅಧ್ಯಯನ ಮಾಡುವುದಿಲ್ಲ ಅಥವಾ ರೇಟಿಂಗ್ನ ಮೇಲ್ಭಾಗವನ್ನು ತಲುಪುವ ಸಮಯವನ್ನು ಲೆಕ್ಕಹಾಕುವುದಿಲ್ಲ. ಅವರು ಸರಳವಾಗಿ ತೀರ್ಪು ನೀಡುತ್ತಾರೆ - "ಇದು ಬಹಳಷ್ಟು, ಇದು ಶಕ್ತಿಯನ್ನು ವ್ಯರ್ಥ ಮಾಡುವುದು ಯೋಗ್ಯವಾಗಿಲ್ಲ."
ಮೇಲೆ ವಿವರಿಸಿದ ಸಂದರ್ಭಗಳನ್ನು ತಪ್ಪಿಸಲು, ನೀವು ರೇಟಿಂಗ್ ಪಾಯಿಂಟ್‌ಗಳ ಸಂಚಯದ ಫ್ಲೋಟಿಂಗ್ ಡೈನಾಮಿಕ್ಸ್ ಅನ್ನು ಬಳಸಬೇಕಾಗುತ್ತದೆ, ಇದರಲ್ಲಿ ಬಳಕೆದಾರರು ಪ್ರೋತ್ಸಾಹಕಗಳನ್ನು ಪಡೆಯುತ್ತಾರೆ ಮತ್ತು ಮಧ್ಯಮ ಮತ್ತು ಅಂತ್ಯಕ್ಕಿಂತ ವೇಗವಾಗಿ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸುವ ನಿರೀಕ್ಷಿತ ಜೀವನ ಚಕ್ರದ ಆರಂಭದಲ್ಲಿ ರೇಟಿಂಗ್ ಅಂಕಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತಾರೆ. "ಯುರೋಪಿಯನ್" ("ಕೊರಿಯನ್" ಅಲ್ಲ) ಅಕ್ಷರ ಲೆವೆಲಿಂಗ್ ಸಿಸ್ಟಮ್‌ನೊಂದಿಗೆ ವರ್ಲ್ಡ್ ಆಫ್ ವಾರ್‌ಕ್ರಾಫ್ಟ್ ಮತ್ತು ಅದೇ ರೀತಿಯ MMORPG ಗಳು ಒಂದು ಉದಾಹರಣೆಯಾಗಿದೆ. ಸಾಂಪ್ರದಾಯಿಕ ಯುರೋಪಿಯನ್ ಲೆವೆಲಿಂಗ್ ವ್ಯವಸ್ಥೆಯು ಆಟದ ಆರಂಭಿಕ ಹಂತಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಪೂರ್ಣಗೊಳಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ನಂತರ ಕ್ರಮೇಣ ನಿಧಾನಗತಿಯನ್ನು ಹೊಂದಿರುತ್ತದೆ. ವಿಶಿಷ್ಟವಾದ ಕೊರಿಯನ್ (ಮತ್ತು ಇತರ ಏಷ್ಯನ್) ಆಟಗಳಲ್ಲಿ ಬಳಸಲಾಗುವ ವ್ಯವಸ್ಥೆಯು ಪಾತ್ರದ ಅಂತಿಮ ಹಂತಗಳನ್ನು ಗಳಿಸುವ ದರದಲ್ಲಿ ನಾಟಕೀಯ ನಿಧಾನಗತಿಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.
ಉದಾಹರಣೆಗೆ, ಲೀನೇಜ್ 2 ರಲ್ಲಿ, 74 ನೇ ಹಂತವನ್ನು ತಲುಪಲು ನೀವು 500 ಅನುಭವವನ್ನು ಪಡೆಯಬೇಕು, ಹಂತ 000 - 75, ಹಂತ 560 - 000, ಹಂತ 76 ಕ್ಕೆ ಈಗಾಗಲೇ ಹೆಚ್ಚು - 623, ಮತ್ತು ಹಂತ 000 ರಿಂದ ಗರಿಷ್ಠ ಮಟ್ಟ 77 ಕ್ಕೆ ಚಲಿಸಬೇಕು. ನೀವು 1 ಮಿಲಿಯನ್ ಅನುಭವವನ್ನು ಪಡೆಯಬೇಕಾಗುತ್ತದೆ, ಆದರೆ ಅನುಭವದ ಗಳಿಕೆಯ ವೇಗವು ಬಹುತೇಕ ಬದಲಾಗದೆ ಉಳಿಯುತ್ತದೆ (ಲೀನೇಜ್ 175 ರಲ್ಲಿ ಅನುಭವ ಮತ್ತು ಮಟ್ಟಗಳ ಸಂಪೂರ್ಣ ಕೋಷ್ಟಕವು ಇಲ್ಲಿ ಲಭ್ಯವಿದೆ ) ಅಂತಹ ನಿಧಾನಗತಿಯು ಗ್ಯಾಮಿಫಿಕೇಶನ್‌ನಲ್ಲಿ ಅನಗತ್ಯವೆಂದು ತೋರುತ್ತದೆ, ಏಕೆಂದರೆ ಇದು ಬಳಕೆದಾರರನ್ನು ಹೆಚ್ಚು ಕಡಿಮೆಗೊಳಿಸುತ್ತದೆ.
ನೆನಪಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಬೇಕಾದ ಇನ್ನೊಂದು ಅಂಶವೆಂದರೆ, ಬಳಕೆದಾರನು ಆರಂಭದಲ್ಲಿ ಆಟ ಅಥವಾ ಗ್ಯಾಮಿಫೈಡ್ ಸಿಸ್ಟಮ್ ಅನ್ನು ತ್ಯಜಿಸುವುದು ಸುಲಭ ಮತ್ತು ಸಿಸ್ಟಮ್‌ನಲ್ಲಿ ಸಾಕಷ್ಟು ಸಮಯವನ್ನು ಕಳೆದಾಗ ಹೆಚ್ಚು ಕಷ್ಟಕರವಾಗಿರುತ್ತದೆ, ಅದರ ನಂತರ ಬಳಕೆದಾರರು ಸಂಗ್ರಹವಾದ ಅಂಕಗಳನ್ನು ತ್ಯಜಿಸಲು ವಿಷಾದಿಸುತ್ತಾರೆ. , ಮಟ್ಟಗಳು ಮತ್ತು ವಸ್ತುಗಳು. ಆದ್ದರಿಂದ, ಹೊಸ ಬಳಕೆದಾರರಿಗೆ ಅವರ ಅಂಕಗಳಿಗೆ ತಾತ್ಕಾಲಿಕ ಬೋನಸ್ ನೀಡಿ, ಉದಾಹರಣೆಗೆ, ಒಂದು ತಿಂಗಳಿಗೆ +50%. ಬೋನಸ್ ಸಿಸ್ಟಮ್ ಅನ್ನು ಬಳಸಲು ಹೆಚ್ಚುವರಿ ಪ್ರೋತ್ಸಾಹಕವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ; ಬೋನಸ್ ಅವಧಿಯಲ್ಲಿ, ಬಳಕೆದಾರರು ಅಂಕಗಳನ್ನು ಪಡೆಯುವ ವೇಗವನ್ನು ಮೆಚ್ಚುತ್ತಾರೆ, ಅದರೊಂದಿಗೆ ಆರಾಮದಾಯಕವಾಗುತ್ತಾರೆ ಮತ್ತು ಸಿಸ್ಟಮ್ ಅನ್ನು ಬಳಸುವುದನ್ನು ಮುಂದುವರಿಸುವ ಸಾಧ್ಯತೆಯಿದೆ.
ಗೆಟ್ ಟ್ಯಾಕ್ಸಿ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಡಿಮೋಟಿವೇಟಿಂಗ್ ರೇಟಿಂಗ್ ಗ್ಯಾಪ್ ದೋಷದ ಉದಾಹರಣೆಯಾಗಿದೆ. ಇತ್ತೀಚಿನ ನವೀಕರಣದ ಮೊದಲು, ಲಾಯಲ್ಟಿ ಪ್ರೋಗ್ರಾಂ ಇಪ್ಪತ್ತು ಹಂತಗಳನ್ನು ಹೊಂದಿತ್ತು, ಗರಿಷ್ಠ ಅಗತ್ಯವಿರುವ 6000 ಅಂಕಗಳು (ಸರಾಸರಿ 20-30 ಅಂಕಗಳನ್ನು ಒಂದು ಪ್ರವಾಸಕ್ಕೆ ನೀಡಲಾಗಿದೆ). ಎಲ್ಲಾ ಇಪ್ಪತ್ತು ಹಂತಗಳನ್ನು 0 ರಿಂದ 6000 ರವರೆಗಿನ ಪ್ರಮಾಣದಲ್ಲಿ ಸಮವಾಗಿ ವಿತರಿಸಲಾಯಿತು, ಸರಿಸುಮಾರು ಆನ್ಲೈನ್ ಆಟಗಳಲ್ಲಿ ಯುರೋಪಿಯನ್ ಲೆವೆಲಿಂಗ್ ಸಿಸ್ಟಮ್‌ಗೆ ಅನುಗುಣವಾಗಿ. ನವೀಕರಣದ ನಂತರ, ಅಪ್ಲಿಕೇಶನ್‌ಗೆ ಇನ್ನೂ ಮೂರು ಹಂತಗಳನ್ನು ಸೇರಿಸಲಾಗಿದೆ, ಕ್ರಮವಾಗಿ 10, 000 ಮತ್ತು 20 ಪಾಯಿಂಟ್‌ಗಳಲ್ಲಿ, ಇದು ಕೊರಿಯನ್ ಸಿಸ್ಟಮ್‌ಗೆ ಹತ್ತಿರದಲ್ಲಿದೆ (ಪ್ರತಿ ಪ್ರವಾಸಕ್ಕೆ ಸ್ವೀಕರಿಸಿದ ಅಂಕಗಳ ಸಂಖ್ಯೆ ಬದಲಾಗಿಲ್ಲ). ಈ ಅಪ್‌ಡೇಟ್ ಕುರಿತು ಅಪ್ಲಿಕೇಶನ್ ಬಳಕೆದಾರರು ಏನು ಯೋಚಿಸುತ್ತಾರೆ ಎಂಬುದರ ಪ್ರಾತಿನಿಧಿಕ ಮಾದರಿಯನ್ನು ನಾನು ಹೊಂದಿಲ್ಲ, ಆದರೆ ಗೆಟ್ ಟ್ಯಾಕ್ಸಿಯನ್ನು ಬಳಸುವ ನನ್ನ ಹದಿನೆಂಟು ಸ್ನೇಹಿತರು ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಹೊಸ ರೇಟಿಂಗ್ ಮಟ್ಟಗಳ ದುರ್ಬಲಗೊಳಿಸುವ ಪರಿಣಾಮವನ್ನು ಗಮನಿಸಿದ್ದಾರೆ. ನವೀಕರಣದ ನಂತರ (ಒಂದು ವರ್ಷಕ್ಕೂ ಹೆಚ್ಚು) ಕಳೆದುಹೋದ ಸಮಯದಲ್ಲಿ ಅವುಗಳಲ್ಲಿ ಯಾವುದೂ ಒಂದೇ ಒಂದು ಹೊಸ ಮಟ್ಟವನ್ನು ಪಡೆದಿಲ್ಲ.
ಗೆಟ್ ಟ್ಯಾಕ್ಸಿ ಲಾಯಲ್ಟಿ ಪ್ರೋಗ್ರಾಂನಲ್ಲಿ ಮೂರು ಹೊಸ ಮತ್ತು ಹಿಂದಿನ ಹಂತಗಳ ನಡುವಿನ ಅಂತರವು ಅಸಮಂಜಸವಾಗಿ ದೊಡ್ಡದಾಗಿದೆ ಮತ್ತು ಕಡಿಮೆಯಾಗಿದೆ.
ರೇಟಿಂಗ್ನಲ್ಲಿ ಡಿಮೋಟಿವೇಟಿಂಗ್ ಅಂತರವನ್ನು ತಪ್ಪಿಸಲು, ಜಾಗತಿಕ ರೇಟಿಂಗ್‌ಗೆ ಹೆಚ್ಚುವರಿಯಾಗಿ, ಸಿಸ್ಟಮ್‌ಗೆ ಸ್ಥಳೀಯ ರೇಟಿಂಗ್‌ಗಳನ್ನು ಸೇರಿಸುವುದು ಅವಶ್ಯಕ, ಇದರಲ್ಲಿ ಸ್ಥಾನಗಳ ನಡುವಿನ ಅಂತರವು ತುಂಬಾ ದೊಡ್ಡದಾಗಿರುವುದಿಲ್ಲ.
ಜಾಗತಿಕ ರೇಟಿಂಗ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ವಿಭಜಿಸಲು ಸಂಭವನೀಯ ಮಾರ್ಗಗಳು:
- ಸ್ನೇಹಿತರ ನಡುವೆ. ಬಳಕೆದಾರರ ಸ್ನೇಹಿತರನ್ನು ಮಾತ್ರ ಒಳಗೊಂಡಿರುವ ರೇಟಿಂಗ್ ಅನ್ನು ತೋರಿಸುತ್ತದೆ. ಜನರು ಅಪರಿಚಿತ ಎದುರಾಳಿಯೊಂದಿಗೆ ಸ್ಪರ್ಧಿಸಲು ಇಷ್ಟಪಡುವುದಿಲ್ಲ, ಅವರ ಅಡ್ಡಹೆಸರು ಮಾತ್ರ ತಿಳಿದಿರುತ್ತದೆ (ಅಂತಹ ಎದುರಾಳಿಯು ಬೋಟ್‌ನಿಂದ ಹೆಚ್ಚು ಭಿನ್ನವಾಗಿಲ್ಲ), ಆದರೆ ಸ್ನೇಹಿತರು ಮತ್ತು ಪರಿಚಯಸ್ಥರೊಂದಿಗೆ.
- ಸಮಯದಿಂದ. ಒಂದು ನಿರ್ದಿಷ್ಟ ಸಮಯದ ಅವಧಿಯಲ್ಲಿ (ದಿನ, ವಾರ, ತಿಂಗಳು, ವರ್ಷ) ಸಂಗ್ರಹಿಸಲಾದ ರೇಟಿಂಗ್. ಝೀರೋಯಿಂಗ್ ಮತ್ತು ರಿಪ್ಲೇಬಿಲಿಟಿಗೆ ಒಳ್ಳೆಯದು. ನಾನು ಈ ವಾರ ಗೆಲ್ಲಲು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ - ಮುಂದಿನ ವಾರ ನಾನು ಪ್ರಯತ್ನಿಸುತ್ತೇನೆ, ಮತ್ತು ಪರಸ್ಪರ ಬಳಕೆದಾರರ ನಡುವಿನ ಅಂತರವನ್ನು ನಿಯಮಿತವಾಗಿ ಶೂನ್ಯಕ್ಕೆ ಮರುಹೊಂದಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಕಾಸ್ಮಿಕ್ ಮೌಲ್ಯಗಳಿಗೆ ಬೆಳೆಯುವುದಿಲ್ಲ.
- ಜಿಯೋಟಾರ್ಗೆಟಿಂಗ್ ಮೂಲಕ. ನಿರ್ದಿಷ್ಟ ಪ್ರದೇಶದಿಂದ (ಜಿಲ್ಲೆ, ನಗರ, ದೇಶ, ಖಂಡ) ಬಳಕೆದಾರರನ್ನು ಮಾತ್ರ ತೋರಿಸುವ ರೇಟಿಂಗ್. ಅಂತಹ ಪರಿಸ್ಥಿತಿಯಲ್ಲಿ ಗಯಸ್ ಜೂಲಿಯಸ್ ಸೀಸರ್ ಅವರು ಬಡ ಅನಾಗರಿಕ ಪಟ್ಟಣದ ಮೂಲಕ ಹಾದುಹೋಗುವಾಗ ಹೇಳಿದರು: "ರೋಮ್ನಲ್ಲಿ ಎರಡನೇ ಸ್ಥಾನದಲ್ಲಿರುವುದಕ್ಕಿಂತ ಇಲ್ಲಿ ಮೊದಲಿಗರಾಗಿರುವುದು ಉತ್ತಮ."
- ಲಿಂಗದಿಂದ. ನಂತರ ಪುರುಷರು ಮತ್ತು ಮಹಿಳೆಯರ ಫಲಿತಾಂಶಗಳನ್ನು ಹೋಲಿಸಿ, ಪ್ರಚೋದನೆಯ ಸ್ತ್ರೀವಾದಿ ಮತ್ತು ಕೋಮುವಾದಿ ಉದ್ದೇಶಗಳ ಮೇಲೆ ಆಡುವುದು (ಎಚ್ಚರಿಕೆಯಿಂದ ಬಳಸಿ, ಎರಡೂ ಕಡೆಗಳಲ್ಲಿ ದ್ವೇಷ ಮತ್ತು ಮಲದ ಹೊಳೆಗಳು ಇರಬಹುದು).
- ವಯಸ್ಸಿನ ಪ್ರಕಾರ. ಉದಾಹರಣೆಗೆ, ವಯಸ್ಸಿನೊಂದಿಗೆ ವ್ಯಕ್ತಿಯಲ್ಲಿ ಬದಲಾಗುವ ಕೌಶಲ್ಯಗಳ ಅಗತ್ಯವಿರುವ ಸಮೀಪದ ಕ್ರೀಡಾ ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು ವ್ಯವಸ್ಥೆಗಳ ಗ್ಯಾಮಿಫಿಕೇಶನ್‌ನಲ್ಲಿ. ಉದಾಹರಣೆಗೆ, ಕ್ರೀಡೆಗಳನ್ನು ಆಡಲು ಜನರನ್ನು ಪ್ರೇರೇಪಿಸುವ ಯೋಜನೆಗಳು, ನಿಮ್ಮ ಫಲಿತಾಂಶಗಳನ್ನು ಅಪ್‌ಲೋಡ್ ಮಾಡಲು ಮತ್ತು ಇತರ ಬಳಕೆದಾರರ ಫಲಿತಾಂಶಗಳನ್ನು ನೋಡಲು ನಿಮಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. 65 ವರ್ಷದ ವ್ಯಕ್ತಿಗೆ ಇಪ್ಪತ್ತು ವರ್ಷದ ಓಟದಂತೆಯೇ ಓಡುವುದು ಹೆಚ್ಚು ಕಷ್ಟಕರವಾಗಿರುತ್ತದೆ ಮತ್ತು ಅವನ ಗೆಳೆಯರೊಂದಿಗೆ ಸ್ಪರ್ಧಿಸುವುದು ಹೆಚ್ಚು ಆಸಕ್ತಿಕರವಾಗಿರುತ್ತದೆ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿದೆ. ಮತ್ತೊಂದೆಡೆ, ಆನ್ಲೈನ್ ಚೆಸ್ ಮತ್ತು ಇತರ ಸಂಕೀರ್ಣ ಬೌದ್ಧಿಕ ಆಟಗಳು ಒಂದು ಉದಾಹರಣೆಯಾಗಿದೆ, ಇದರಲ್ಲಿ ಒಬ್ಬ ಅನುಭವಿ ಗ್ರ್ಯಾಂಡ್‌ಮಾಸ್ಟರ್ ಹದಿನಾಲ್ಕು ವರ್ಷ ವಯಸ್ಸಿನ ಹದಿಹರೆಯದವರಿಗೆ ಸಾಧಿಸಲಾಗುವುದಿಲ್ಲ.
- ಸಿಸ್ಟಂನಲ್ಲಿ ಲಭ್ಯವಿರುವ ಬಳಕೆದಾರರ ಬಗ್ಗೆ ಇತರ ಡೇಟಾದ ಪ್ರಕಾರ (ಮರ್ಸಿಡಿಸ್ ಡ್ರೈವರ್‌ಗಳಿಗೆ ಮಾತ್ರ ರೇಟಿಂಗ್, ಪ್ಲಂಬರ್‌ಗಳಿಗೆ ಮಾತ್ರ, ಕಾನೂನು ಇಲಾಖೆಗೆ ಮಾತ್ರ, 120 ಎಲ್ವೆಸ್ ಮಟ್ಟಕ್ಕೆ ಮಾತ್ರ).
ಮೇಲಿನ ವಿಧಾನಗಳನ್ನು ನೀವು ಬಯಸಿದಂತೆ ಪರಸ್ಪರ ಸಂಯೋಜಿಸಿ, ಅವುಗಳನ್ನು ಪ್ರಯೋಗಿಸಲು ಹಿಂಜರಿಯಬೇಡಿ.
ಗ್ಯಾಮಿಫೈಡ್ ಸಿಸ್ಟಮ್ನ ಕಾರ್ಯಾಚರಣೆಯ ಸಮಯದಲ್ಲಿ, ವಿನ್ಯಾಸದ ಸಮಯದಲ್ಲಿ ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಗುರಿಗಳನ್ನು ರೇಟಿಂಗ್ ಎಷ್ಟು ಚೆನ್ನಾಗಿ ಪೂರೈಸುತ್ತದೆ ಎಂಬುದನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿ. ಉದಾಹರಣೆಗೆ, ಶ್ರೇಯಾಂಕದ ಉದ್ದೇಶವು ಹೆಚ್ಚು ರೇಟ್ ಮಾಡಲಾದ ಬಳಕೆದಾರರಲ್ಲಿ ಇತರ ಬಳಕೆದಾರರ ನಂಬಿಕೆಯನ್ನು ಹೆಚ್ಚಿಸುವುದಾಗಿದ್ದರೆ, ಶ್ರೇಯಾಂಕವನ್ನು ತ್ವರಿತವಾಗಿ ಹೆಚ್ಚಿಸಲು ಸಂಭವನೀಯ ನ್ಯಾಯೋಚಿತ ಮತ್ತು ಅಪ್ರಾಮಾಣಿಕ ಮಾರ್ಗಗಳನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಸೀಮಿತಗೊಳಿಸಲು ಗಮನ ಕೊಡಿ. ಟ್ರಸ್ಟ್ ರೇಟಿಂಗ್ನ ಆಧಾರವು ಅದನ್ನು ಪಡೆಯುವಲ್ಲಿನ ತೊಂದರೆ ಮತ್ತು ಅದನ್ನು ತ್ವರಿತವಾಗಿ ಕಳೆದುಕೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಾಗಿದೆ. ರೇಟಿಂಗ್ನಲ್ಲಿ ಅಸಮಂಜಸವಾಗಿ ತ್ವರಿತ ಹೆಚ್ಚಳಕ್ಕಾಗಿ ಸಿಸ್ಟಮ್‌ನಲ್ಲಿ ಲೋಪದೋಷಗಳು ಇದ್ದಲ್ಲಿ, ಅದರಲ್ಲಿ ಬಳಕೆದಾರರ ವಿಶ್ವಾಸವು ತೀವ್ರವಾಗಿ ಕುಸಿಯುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಆನ್ಲೈನ್ ಹರಾಜಿನಲ್ಲಿ ಪ್ರತಿ ಬಳಕೆದಾರರೊಂದಿಗೆ ಮಾಡಿದ ಪ್ರತಿ ವಹಿವಾಟಿಗೆ ಮಾರಾಟಗಾರರ ರೇಟಿಂಗ್ ಅನ್ನು ಹೆಚ್ಚಿಸಲು ಸಾಧ್ಯವಾದರೆ, ಇಬ್ಬರು ಬಳಕೆದಾರರು ಪರಸ್ಪರ ಪೆನ್ನಿ ಸರಕುಗಳನ್ನು (ಆದರ್ಶ ಡಿಜಿಟಲ್) ಖರೀದಿಸುವ ಮೂಲಕ ತಮ್ಮ ರೇಟಿಂಗ್ ಅನ್ನು ಉನ್ನತ ಮಟ್ಟದಲ್ಲಿ ನಿರ್ವಹಿಸಬಹುದು. ಅದೇ ಸಮಯದಲ್ಲಿ, ಕಳಪೆ ಗುಣಮಟ್ಟದ ಸೇವೆ ಅಥವಾ ವಂಚನೆಯ ಬಗ್ಗೆ ಸಂಭವನೀಯ ಋಣಾತ್ಮಕ ವಿಮರ್ಶೆಗಳು ನಕಲಿ ಧನಾತ್ಮಕ ವಿಮರ್ಶೆಗಳ ಸಮೂಹದಿಂದ ಮುಚ್ಚಿಹೋಗುತ್ತವೆ, ಇದರಿಂದಾಗಿ ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ನಂಬಿಕೆಯ ಭಾರೀ ನಷ್ಟದ ಅಪಾಯವಿದೆ.
ವಿಷಯಗಳನ್ನು ಕಟ್ಟಲು, ಶ್ರೇಯಾಂಕಗಳು ಮತ್ತು ಹಂತಗಳನ್ನು ಬಳಸಲು ಇನ್ನೂ ಮೂರು ಸಲಹೆಗಳಿವೆ:
- ನಂತರದ ಹಂತಗಳಲ್ಲಿ ಅಗತ್ಯವಿರುವ ಅಂಕಗಳ ಸಂಖ್ಯೆಯನ್ನು ಬಳಕೆದಾರರಿಗೆ ತೋರಿಸಬೇಡಿ. ಇದು ಸಿಸ್ಟಂನ ಸ್ಕೋರಿಂಗ್ ವೇಗ ಮತ್ತು ಸ್ಕೋರಿಂಗ್ ಸಾಮರ್ಥ್ಯಗಳೊಂದಿಗೆ ಇನ್ನೂ ಪರಿಚಿತವಾಗಿಲ್ಲದ ಹೊಸ ಆಟಗಾರರಿಗೆ ನಿರಾಶಾದಾಯಕವಾಗಿದೆ. ಮೊದಲ ಹಂತವು 10 ಅಂಕಗಳಿಗೆ, ಎರಡನೆಯದು 20 ಮತ್ತು ಇಪ್ಪತ್ತನೇ ಹಂತವನ್ನು ನೂರು ಸಾವಿರಕ್ಕೆ ಸಾಧಿಸಲಾಗಿದೆ ಎಂದು ಬಳಕೆದಾರರು ನೋಡಿದಾಗ, ಇದು ದುರ್ಬಲಗೊಳಿಸುತ್ತಿದೆ. ನೂರು ಸಾವಿರವು ಸಾಧಿಸಲಾಗದ ಸಂಖ್ಯೆಯನ್ನು ತೋರುತ್ತದೆ.
- ಗಳಿಸಿದ ಅಂಕಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಮುಂದಿನ ಹಂತವನ್ನು ತಲುಪಲು ಅಗತ್ಯವಿರುವ ಅಂಕಗಳ ಸಂಖ್ಯೆಯನ್ನು ತೋರಿಸಿ. ಬಳಕೆದಾರರು 10 ಅಂಕಗಳನ್ನು ಗಳಿಸಿದರು, ಎರಡನೇ ಹಂತಕ್ಕೆ ತೆರಳಿದರು ಮತ್ತು ಮೂರನೇ ಹಂತವನ್ನು ತಲುಪುವ ಮೊದಲು 20 ಅಂಕಗಳು ಉಳಿದಿವೆ. ಬಳಕೆದಾರರ ಪ್ರಗತಿಯನ್ನು 0 ರಲ್ಲಿ 20 ಎಂದು ತೋರಿಸಬೇಡಿ, ಅದನ್ನು 10 ರಲ್ಲಿ 30 ಎಂದು ತೋರಿಸುವುದು ಉತ್ತಮ, ಪೂರ್ಣಗೊಳ್ಳದ ಕಾರ್ಯದ ಭ್ರಮೆಯನ್ನು ಸೃಷ್ಟಿಸಿ, ನಮ್ಮ ಮೆದುಳು ಪೂರ್ಣಗೊಳಿಸದ ಕೆಲಸವನ್ನು ಇಷ್ಟಪಡುವುದಿಲ್ಲ ಮತ್ತು ಅವುಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಶ್ರಮಿಸುತ್ತದೆ. ಪ್ರಗತಿ ಬಾರ್ಗಳು ಕೆಲಸ ಮಾಡುತ್ತವೆ, ಈ ತತ್ವವು ನಮ್ಮ ಸಂದರ್ಭದಲ್ಲಿ ಸೂಕ್ತವಾಗಿದೆ. ಲಾಗರಿಥಮಿಕ್ ಚಿಂತನೆಯೂ ಇಲ್ಲಿ ಕಾರ್ಯರೂಪಕ್ಕೆ ಬರುತ್ತದೆ. ನಾವು 450 ಅನುಭವದ ಅಂಕಗಳಲ್ಲಿ 500 ಅನ್ನು ತಲುಪಿದ್ದೇವೆ ಎಂದು ನಾವು ನೋಡಿದಾಗ, ಈ ಕಾರ್ಯವು ಬಹುತೇಕ ಪೂರ್ಣಗೊಂಡಿದೆ ಎಂದು ನಾವು ಭಾವಿಸುತ್ತೇವೆ.
- ವಿವಿಧ ಸಿಸ್ಟಮ್ ರೇಟಿಂಗ್‌ಗಳಲ್ಲಿನ ಯಶಸ್ಸಿನ ಬಳಕೆದಾರರನ್ನು ನೆನಪಿಸಿ (ಎಲ್ಲಾ ನಂತರ, ಈ ವಾರ ಅವನು ತನ್ನ ಪ್ರದೇಶದಲ್ಲಿ ಪುರುಷರಲ್ಲಿ ಮೊದಲ ಮೂರು ಸ್ಥಾನದಲ್ಲಿದ್ದಾನೆ ಎಂದು ಬಳಕೆದಾರರು ಸ್ವತಃ ತಿಳಿದಿರುವುದಿಲ್ಲ).
ಈ ಲೇಖನದಲ್ಲಿ, ರೇಟಿಂಗ್ ಮೆಕ್ಯಾನಿಕ್ಸ್ ಅನ್ನು ಬಳಸುವುದಕ್ಕಾಗಿ ಸಂಭವನೀಯ ಆಯ್ಕೆಗಳ ಸಮಗ್ರ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಒದಗಿಸಲು ನಾನು ನಟಿಸುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ನಾನು ಬಹುಶಃ ಕೆಲವು ಪ್ರಕರಣಗಳನ್ನು ಮತ್ತು ಬಳಕೆಯ ಪ್ರಕರಣಗಳನ್ನು ಉಲ್ಲೇಖಿಸಲಿಲ್ಲ. ಆಟಗಳು ಮತ್ತು ಗೇಮಿಫೈಡ್ ಸಿಸ್ಟಮ್‌ಗಳಲ್ಲಿ ರೇಟಿಂಗ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ನೀವು ಆಸಕ್ತಿದಾಯಕ ಅನುಭವಗಳನ್ನು ಹೊಂದಿದ್ದರೆ, ದಯವಿಟ್ಟು ಅವುಗಳನ್ನು ನನ್ನೊಂದಿಗೆ ಮತ್ತು ಇತರ ಓದುಗರೊಂದಿಗೆ ಹಂಚಿಕೊಳ್ಳಿ.
ಮೂಲ: www.habr.com