MétaCan
Menu
Retour à la cohorte
Enregistrement W1972018936 · doi:10.1177/1046878109341390

A Review of Humor for Computer Games: Play, Laugh and More

2009· review· en· W1972018936 sur OpenAlexafffund
Claire Dormann, Robert Biddle

Notice bibliographique

RevueSimulation & Gaming · 2009
Typereview
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensCarleton UniversityUniversity of Ottawa
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésHumor researchPsychologyGame mechanicsComputer gameContext (archaeology)CognitionSocial psychologyCognitive psychologyComputer scienceHuman–computer interactionMultimedia

Résumé

récupéré en direct d'OpenAlex

Computer games are now becoming ways to communicate, teach, and influence attitudes and behavior. In this article, we address the role of humor in computer games, especially in support of serious purposes. We begin with a review of the main theories of humor, including superiority, incongruity, and relief. These theories and their interrelationships do well in helping us understand the humor process, but they have been developed in the context of traditional human activity. To explore how they relate to computer games, we present the findings of a qualitative study of player experience of humor and show how it relates to the theoretical perspectives. We then review the main functions of humor, especially its effects on social, emotional, and cognitive behavior. We show how each of these functions can be used in game design to support the specific experiences and outcomes of game-play. Finally, we address the issue of serious games and make suggestions on how humor can inform and support the design of those games. We suggest that humor can support design by smoothing and sustaining the game mechanics. Moreover, games can draw on the functions of humor in the real world for enhancing communication, learning, and social presence. Using humor makes games richer and more powerful, as well as fun.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,478
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSimulation & GamingMême sujetHumor Studies and ApplicationsTravaux en français237 207