Virtual Curriculum: Digital Games as Technologies of AestheticExperience and Portential Spaces
Notice bibliographique
Résumé
In this paper, I am interested in the following question: What can we learn in the strange spaces of digital games?This is not the same as asking what digital games can teach us or what we learn from digital games.Rather, I am interested in thinking about what it is we learn as we play digital games.This question of learning has less to do with the content of the game-although that is an important question too-and more to do with what the experience of the game allows us to think or not think and to be or not be.What do the place and time of the digital game offer us?Educational research on digital games (of which there is still very little) and, more generally, on media education and educational technology is often preoccupied with questions of 'media effects'.What do media do to us?How do they shape our children's behaviour?Or, as I phrased it above, what do media teach us?This approach is at the root of concerns about whether or not video game content encourages violent behaviour and fears that the frequent use of digital media will somehow negate the benefits of literate media, such as reading, writing, and comprehension.Studies of media effects are primarily concerned with outcomes and media effects research lends itself nicely to an emphasis on outcome-oriented curriculum by asking, how can this new media help us achieve or avoid a certain set of outcomes?Digital simulations and games along with other uses of digital media, such as net-art and hypertext fiction, are not easily understood by researchers whose purpose is to examine media effects, and neither are they easily ad-
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».