MétaCan
Menu
Retour à la cohorte
Enregistrement W2052623745 · doi:10.1145/2793107.2810292

Understanding Player Attitudes Towards Digital Game Objects

2015· article· en· W2052623745 sur OpenAlexafffund
Gustavo F. Tondello, Rina R. Wehbe, Phoebe O. Toups Dugas, Lennart E. Nacke, Nicole Crenshaw

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoUniversity of Ontario Institute of TechnologySocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaCalifornia Institute of Technology
Mots-clésPersonalizationGame designComputer scienceGame DeveloperValue (mathematics)Video game designGame design documentGame art designObject (grammar)Game mechanicsMultimediaGame studiesVideo game developmentHuman–computer interactionScreening gameVideo gameNon-cooperative gameWorld Wide WebGame theoryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Humans collect; we examine this behavior in digital game contexts to understand how players' penchant for collecting items can inform game design. As part of an ongoing research agenda to understand player attitudes towards digital game objects, we conducted an online survey about player habits with interviews as future work. We present an initial analysis of our data. Our findings suggest that players value game objects most in Role-Playing Games (RPGs). Utility and Enjoyment were cited as the main reasons for a digital game objects' value, followed by Investment, Self-Expression and Memory. Dyes or color-changing features; physical placement adjustments; and naming or name-changing features were the most frequent personalization features desired for game object customization. We aim to improve game design through a deep understanding of player motivations regarding their game objects.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,415

Scores Codex et Gemma par catégorie

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

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 Opus0,262
Tête enseignante GPT0,354
Écart entre enseignants0,091 · 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 tête enseignante, 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
GenreAutre

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

En bref

Citations8
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDigital Games and MediaTravaux en français237 207