MétaCan
Menu
Retour à la cohorte
Enregistrement W1985156793 · doi:10.1080/14626260903290323

Cheerleaders/booth babes/<i>Halo</i>hoes: pro-gaming, gender and jobs for the boys

2009· article· en· W1985156793 sur OpenAlexaff
Nicholas Taylor, Jen Jenson, Suzanne de Castell

Notice bibliographique

RevueDigital Creativity · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensSimon Fraser UniversityYork University
Organismes subventionnairesnon disponible
Mots-clésPromotion (chess)LeagueNegotiationTournamentAdvertisingRutterSociologyEmbodied cognitionPsychologyBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

In recent years, a ‘professional’ digital gaming industry has emerged in North America: this interconnected series of organisations and leagues host competitive gaming tournaments (often televised) in which young, mostly male participants compete for increasingly lucrative prize money and sponsorship contracts. Taking up Jo Bryce and Jason Rutter's (2005) challenge to confront the ways girl gamers are rendered ‘invisible’ by gamers, researchers and designers, this paper maps the various ways women participate in a set of practices around the organisation, promotion and performance of competitive gaming, framed as the exclusive domain of (young, straight, middle class) male bodies. Mothers flying their sons' teams to events all over North America, female players participating in tournaments or promotional models operating sponsorship booths, the women who participate in competitive gaming tournaments negotiate different expectations and carry out different kinds of embodied work. Each of these ‘roles’, however, is tenuously maintained within a community that most commonly reads female participation in sexualised terms: mothers at events describe themselves as ‘cheerleaders’, female players risk being labelled as ‘halo hoes’ and promotional models become ‘booth babes’.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,008
Communication savante0,0060,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,317
Écart entre enseignants0,260 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations126
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital CreativityMême sujetDigital Games and MediaTravaux en français237 207