MétaCan
Menu
Retour à la cohorte
Enregistrement W2028052603 · doi:10.1145/1401843.1401851

User centered game design

2008· article· en· W2028052603 sur OpenAlexaff
Yolanda A. Rankin, McKenzie McNeal, Marcus W. Shute, Bruce Gooch

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésComputer scienceGame designGame DeveloperVideo game designGame testingGame mechanicsHuman–computer interactionVideo game developmentSet (abstract data type)MultimediaGame art designGame design documentVocabularyVirtual worldVideo game

Résumé

récupéré en direct d'OpenAlex

Unlike recreational games, serious games do more than entertain the player. Serious games promote acquisition of information and skills that are valued in both the virtual world and the real world. The challenge is to design and develop serious games that simultaneously create an enjoyable experience for the player as the player develops or improves her skill set as a result of game play and applies these newly developed skills in a real world setting. Because transfer of learning represents the primary goal of serious games, it is crucial that game designers understand the interactions associated with game tasks and their impact on players prior to game development. Borrowing heavily from interaction design, we introduce the user centered game design methodology as the framework for serious game design and apply this technique to the evaluation of the social interactions between Player Characters in a commercial Massive Multiplayer Online Role Playing Game. Significant results from experimental studies suggest that this genre of games shows great promise as an unorthodox language learning tool for vocabulary acquisition and reveals the importance of social interactions in the virtual space of video games. Finally, we discuss the design implications for serious games that facilitate Second Language Acquisition.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,004

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 Opus0,082
Tête enseignante GPT0,298
Écart entre enseignants0,217 · 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'étudeThéorique ou conceptuel
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

Citations100
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Games and MediaTravaux en français237 207